[发明专利]细胞病理涂片自动判读系统

说明书

本发明公开了一种细胞病理涂片自动判读系统，包括：成像模块；图像采集模块；图像存储与管理模块；图像预处理模块；智能判读模块，其接收所述图像预处理模块输出的图像，对图像进行正常样本与病灶样本的预测分类，且在图像为病灶样本时，进一步对病灶类型进行预测判读；以及报告撰写模块，其自动生成图像所对应的样本的判读结论文本。本发明成功将人工智能辅助诊断技术应用于快速染色细胞病理学中，可显著提升诊断的准确性、一致性，降低细胞病理学医生的工作负荷；本发明通过改进现有卷积神经网络网络，利用多通道注意力机制特性，解决了由人工采样所引入的不确定因素，并能实现高准确性的全场景、多分类任务，最终能提高分类判读结果的准确性。

技术领域

本发明涉及人工智能辅助诊断与病理学领域，特别涉及一种细胞病理涂片自动判读系统。

背景技术

肺癌是全世界发病率和死亡率最高的一项疾病，在我国也有逐年上升的趋势，严重危害人民生命健康安全，2017年全球肺癌初发为12.22/10万，死亡率为19.88/10万，世界癌症基金会的数据显示，2018年中国肺癌的发生率为35.1/10万，在全世界排名第16位，而在中国2019年国家癌症中心发表的数据显示，发病率为57.6/10万，死亡率为45.87/10万。由于该疾病早期无特殊症状，高达2/3的肺癌患者就医时已经是中-晚期，患者失去了手术治疗的指证和手术切除标本的组织病理学诊断的条件，因此该患者的病理诊断往往需要肺部肿块针吸来决定。介入治疗是此类患者的主要治疗手段，病理诊断将直接影响患者治疗方案的选择，目前肺癌治疗以个体化精准治疗为主，利用细胞学标本或粗针病理标本进行分子病理检测，是未来中晚期肺癌患者诊疗方向，而采用快速细胞病理学技术(ROSE技术)进行现场判定，是国际上已开展的一种诊断方法，它可以在一次介入诊疗过程中，提供介入医生有关穿刺标本的足够性、初步诊断和下一步诊疗方向等信息，且可以提供同时进行相关的肿瘤介入治疗依据。Diff-quik染色由于快速简便而成为现场判定的首选技术。与传统的由临床介入科医生凭借经验进行标本判断相比，快速细胞病理学技术能够有效降低病人需要重复穿刺或误诊的发生概率。diff-quik染色是通过提高标本的足够率从而减少不能诊断的病例数。根据美国匹兹堡大学医学院的数据(Guoping Cai,adebowale JAdeniran.Rapid on-site evaluation(ROSE)-a practical guide[M].Springer 2019:8)显示，当没有diff-quik染色的细胞病理学诊断中的平均不能诊断比率约为20％，而有diff-quick染色，不能诊断率为2-10％，不仅减少了再次穿刺取材的可能性，而且术中并发症等与无diff-quick技术的对照组相比无统计学差异。

而快速细胞学诊断的判定一般由专职的细胞病理学医生来完成，但是，合格的细胞学医生的培养是长期的，而且广大的基层医院并不具备专职的细胞病理学医生，这个将极大地制约了介入医学的发展与推广；另外，国内的细胞学医生不熟悉diff-quick染色的图像特征，HE染色的图像与diff-quick染色图像相差较大，因此掌握该诊断技术也将花费较大的人力和物力。由于细胞学医生判定具有较多的主观性，导致人与人之间存在诊断的差异，且耗费较长的时间。在国内大型公立医院，细胞病理学医生的工作负荷远超欧美国家限定的每天工作八小时少于100张宫颈涂片的标准，因此现场快速细胞学的判定将进一步加重细胞病理学医生的工作量。

人工智能是计算机科学的一个分支，其一个重要的应用就是通过分析所取得的图像数据，对图像进行具体的语义分割或分类鉴别等，人工智能的发展，革命性地改变了未来形态学诊断的模式，主要表现在组织病理的诊断中。随着人工智能技术的发展，利用人工智能算法构建的辅助系统已应用于多个病灶的组织切片病理图像、医学影像图像等，其依据客观量化的高维图像特征，对图像进行自动、快速的分类诊断，是一种具备高可行性的新型临床诊疗技术。