肠腺瘤智能识别系统的制作方法

本发明涉及医疗器械，特别涉及肠腺瘤智能识别系统。

背景技术：

1、结直肠癌(colorectal cancer,crc)是全球第三大常见癌症，每年有超过94万例crc确诊病例，大多数crc由腺瘤性息肉发展而来。据估计，超过50％的西方人在其一生中患有结直肠腺瘤，其中5％-16％会发展为crc。通过结肠镜发现并切除这些腺瘤能够降低crc的早期发病率，基于活检标本判断识别肠腺瘤对患者的精准治疗方案的制定至关重要。

2、然而，在显微镜下进行肠部活检苏木精-伊红(hematoxylin-eosin，he)染色切片的识别诊断需要大量重复性的工作，且人工识别诊断肠腺瘤的标准相对主观，导致肠腺瘤的识别和crc早期筛查准确度不稳定、识别效率也低。

3、因此，本发明提出了肠腺瘤智能识别系统。

技术实现思路

1、本发明提供肠腺瘤智能识别系统，用以基于多种染色配置的结肠活检数字化切片集合进行深度学习，使得训练出的合格肠腺瘤识别模型可以识别出不同染色配置的结肠活检数字化切片中的肠腺瘤，克服人工诊断的主观性，提高了肠腺瘤的识别准确度，具备高精度、高效率的优点和良好的泛化能力，为医生对患者的肠腺瘤的识别诊断和crc早期筛查提供了辅助。

2、本发明提供一种肠腺瘤智能识别系统，包括：

3、切片划分模块，用于对多种染色配置的结肠活检数字化切片集合进行划分，获得训练集、验证集、测试集；

4、深度学习模块，用于基于训练集、验证集、测试集依次对初始化定制模型进行训练、验证、测试，获得合格肠腺瘤识别模型；

5、最终识别模块，用于将待识别结肠活检数字化切片输入至合格肠腺瘤识别模型，获得肠腺瘤识别结果。

6、优选的，切片划分模块，包括：

7、切片获取单元，用于获取多种染色配置的结肠活检数字化切片集合，并确定出结肠活检数字化切片集合中所有结肠活检数字化切片的切片类别；

8、切片划分单元，用于基于切片类别和预设比例，将最大切片总数的结肠活检数字化切片集合划分为训练集和验证集以及测试子集；

9、集合汇总单元，用于将除最大切片总数的结肠活检数字化切片集合以外剩余的结肠活检数字化切片集合和测试子集汇总，获得测试集。

10、优选的，深度学习模块，包括：

11、预处理单元，用于对训练集和验证集进行预处理，获得标准验证集和多个标准训练集；

12、训练单元，用于基于所有标准训练集对初始化定制模型进行训练，获得多个训练模型；

13、验证单元，用于基于标准验证集和预设指标评估方法在所有训练模型中筛选出肠腺瘤识别模型；

14、测试单元，用于基于块重叠法将测试集输入至肠腺瘤识别模型，获得测试识别结果的识别准确率，基于识别准确率判断出肠腺瘤识别模型是否满足要求，若是，则将肠腺瘤识别模型作为合格肠腺瘤识别模型，否则，利用新的多种染色配置的结肠活检数字化切片集合对初始化模型进行重新训练、验证、测试，直至最新获得的识别准确率满足要求时，则将最新获得的肠腺瘤识别模型作为合格肠腺瘤识别模型。

15、优选的，预处理单元，包括：

16、过滤子单元，用于基于otsu算法过滤训练集中所有结肠活检数字化切片的背景区域，获得结肠活检主区域；

17、标注子单元，用于对训练集中包含肠腺瘤的结肠活检主区域进行像素级标注，获得第一训练集；

18、缩放子单元，用于基于多种预设视野倍数对第一训练集中的标注活检主区域进行处理，获得每种预设视野倍数对应的第二训练集；

19、分割子单元，用于基于两种第一预设步长分别对所有预设视野倍数的第二训练集中的标注活检主区域进行分割，获得不同视野倍数不同像素尺寸的肠腺瘤训练图像块集合和非肠腺瘤训练图像块集合；

20、汇总子单元，用于将视野倍数相同且像素尺寸相同的肠腺瘤训练图像块集合和非肠腺瘤训练图像块集合汇总，获得对应视野倍数对应像素尺寸的标准训练集；

21、预处理子单元，用于对验证集进行预处理获得标准验证集。

22、优选的，预处理子单元，包括：

23、过滤端，用于基于otsu算法过滤验证集中所有结肠活检数字化切片的背景区域，获得结肠活检主区域；

24、标准端，用于对验证集中包含肠腺瘤的结肠活检主区域进行像素级标注，获得标准验证集。

25、优选的，训练单元，包括：

26、图像处理子单元，用于对所有标准训练集中的训练图像块进行数据增强、随机缩放、随机扰动，获得对应视野倍数对应像素尺寸的多样性训练图像块集合；

27、模型训练子单元，用于基于所有多样性训练图像块集合对初始化定制模型进行分别训练，获得多个训练模型；

28、其中，训练图像块包含肠肠腺瘤训练图像块集合中的肠腺瘤训练图像块和非肠腺瘤训练图像块集合中的非肠腺瘤训练图像块。

29、优选的，图像处理子单元，包括：

30、数据增强端，用于对所有标准训练集中的训练图像块进行随机旋转和镜像处理，获得对应视野倍数对应像素尺寸的增强训练图像块；

31、随机缩放端，用于基于预设倍数缩放比，对相同视野倍数相同像素尺寸的增强训练图像块进行随机缩放，获得对应视野倍数对应像素尺寸的尺寸多样化图像块；

32、随机扰动端，用于对相同视野倍数相同像素尺寸的尺寸多样化图像块的基本属性参数进行随机扰动后汇总，获得对应视野倍数对应像素尺寸的多样性训练图像块集合。

33、优选的，验证单元，包括：

34、验证识别子单元，用于将标准验证集中包含的所有结肠活检数字化切片输入至每个训练模型，获得每个训练模型的验证识别结果；

35、指标评估子单元，用于基于验证识别结果中的真阳性、假阳性、真阴性和假阴性和预设指标评估方法，计算出每个训练模型的评估指标；

36、模型筛选子单元，用于基于评估指标在所有训练模型中筛选出肠腺瘤识别模型。

37、优选的，指标评估子单元，包括：

38、计算端，用于基于验证识别结果中的真阳性、假阳性、真阴性和假阴性以及预设准确率计算公式、预设敏感度计算公式、预设特异度计算公式，计算出训练模型的准确率、敏感度、特异度；

39、汇总端，用于将训练模型的准确率、敏感度、特异度当作对应训练模型的评估指标。

40、优选的，测试单元基于块重叠法将测试集输入至肠腺瘤识别模型，获得测试识别结果的识别准确率的方法，包括：

41、基于第二预设步长将测试集中的所有结肠活检数字化切片分割为第一像素尺寸的测试图像块；

42、将所有测试图像块输入至肠腺瘤识别模型，获得每个测试图像块的模型识别结果；

43、基于第二像素尺寸对所有测试图像块的模型识别结果进行取中心处理，获得每个测试图像块的测试识别结果，并统计出测试识别结果的准确率；

44、其中，第二像素尺寸小于第一像素尺寸。

45、本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

46、下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。