[发明专利]一种胆道病变良恶性的辅助诊断系统及其建立方法

说明书

本发明涉及医疗辅助诊断系统技术领域，尤其涉及一种胆道病变良恶性的辅助诊断系统及其建立方法，包括：图像输入模块和综合诊断模块，所述综合诊断模块包括：图像质量判断模块和病变性质判断模块；所述图像输入模块用于获取患者胆道镜检查图像并进行预处理；所述图像质量判断模块用于判断通过图像输入模块预处理后输出的胆道镜有效检查图像质量高低；所述病变性质判断模块用于判断通过图像质量判断模块输出的高质量图像中病变的良恶性；所述综合诊断模块还包括：诊断结果展示模块，所述诊断结果展示模块用于展示病变性质判断模块输出的判断结果。本发明提供了一种能够提高胆道病变良恶性诊断能力的辅助诊断系统。

技术领域

本发明涉及医疗辅助诊断系统技术领域，尤其涉及一种胆道病变良恶性的辅助诊断系统及其建立方法。

背景技术

不明原因的胆道狭窄占所有胆道狭窄的20％，其中大约70％-80％的胆道狭窄是恶性胆道狭窄，准确区分良恶性病变可以防止在不明原因的胆道狭窄中发生不必要的手术。因此，提高不明原因的胆道狭窄的诊治具有重要意义。

内镜逆行胰胆管造影(ERCP)联合细胞刷检和组织活检是鉴别恶性和良性狭窄的常用方法，其特异性可高达0.99，但敏感性仍小于0.50。近年来，多种新的诊断方法被开发和应用于胆道狭窄性质的判断，包括荧光原位杂交(FISH)、内镜超声(EUS)、导管内超声(IDUS)和下一代测序(NGS)。然而，这些技术虽然灵敏度有了较好的提升，但需要额外的专业知识要求和高昂的成本。

随着内镜技术的发展，数字单人操作胆管镜(DSOC)已被应用于确定胆道病变的良恶性。最近的一项meta分析显示，DSOC下的视觉印象(VI)和直接活检(DB)在区分恶性胆道狭窄和良性病变方面具有可靠的敏感性(73％-97％，57％-79％)和特异性(76％-94％，92％-99％)，显著高于ERCP。在检查过程中，内镜医生首先用胆管镜VI定位病变，然后进行活检以进行组织学判断，这表明提高胆管镜VI的诊断率是很重要的。虽然胆管镜下VI的平均灵敏度(0.93)令人满意，但相对较低的特异性和较差的一致性显著限制了该技术的广泛应用。因此，需要一种更有效的方式来提高胆管镜下VI的诊断效果和内镜医生间的一致性。

近年来，随着深度学习的不断进步，人工智能(AI)已被广泛应用于质量控制、病变识别、风险分层和医学图像的预后预测等领域。我们之前的研究表明，深度学习是一种很有前途的方法，可以用于识别癌变和预测癌症的侵袭深度。一些初步研究已经在胆管镜下VI下自动诊断不明原因的胆道狭窄的实施了深度学习，并取得了可接受的诊断性能。然而，这些深度学习模型仅在回顾性收集的单中心数据集上从单个制造商捕获的静止图像进行验证，这可能不适用于真实的临床场景。这些模型只用胆道恶性病变和非肿瘤图像进行训练，在DSOC检查中忽略了不合格图像，当将这些不合格图像输入模型时，可能会导致相当大的错误。此外，缺乏可解释性也限制了这些现有的深度学习模型在临床实践中的接受度。

发明内容

本发明的目的在于提供一种胆道病变良恶性的辅助诊断系统及其建立方法，以解决上述背景技术中存在的技术问题。

为实现上述目的，本发明的技术方案如下：

一种胆道病变良恶性的辅助诊断系统，包括：图像输入模块和综合诊断模块，所述综合诊断模块包括：图像质量判断模块和病变性质判断模块；所述图像输入模块用于获取患者胆道镜检查图像并进行预处理；所述图像质量判断模块用于判断通过图像输入模块预处理后输出的胆道镜有效检查图像质量高低；所述病变性质判断模块用于判断通过图像质量判断模块输出的高质量图像中病变的良恶性；所述综合诊断模块还包括：诊断结果展示模块，所述诊断结果展示模块用于展示病变性质判断模块输出的判断结果。

进一步的，还包括：图像采集模块，所述图像采集模块用于采集患者胆道病变的图像并输出给图像输入模块。

进一步的，所述综合诊断模块为基于DeiT算法的人工智能模块。