一种泛器官淋巴结转移癌检测系统及计算机设备的制作方法

本发明涉及图像处理，特别涉及一种泛器官淋巴结转移癌检测系统与计算机设备。

背景技术：

1、随着人口老龄化、工业化、城市化进程的加剧、生活方式的改变等原因，癌症的发病率呈现逐渐升高的趋势。如今癌症已经成为影响我们生活质量和健康水平的主要障碍之一。泛器官淋巴结转移癌是一种常见的癌症类型，早期发现和诊断对于治疗和预后具有重要意义。传统的医学影像分析方法需要医生进行手动分析和判断，存在诊断时间长、误差大等问题。因此，迫切需要建立一个人工智能系统来实现对医学影像的自动分析和诊断。

技术实现思路

1、为了解决上述技术问题，本发明提供了一种为了解决上述技术问题，本发明提供了一种泛器官淋巴结转移癌检测系统，包括：模型构建模块、图像注释与归集模块、第一样本数据集、模型训练模块、获取模块，分析模块和显示模块；模型构建模块，用于建立泛器官淋巴结转移癌检测的初始学习模型；图像注释与归集模块，其被配置为对所述第一样本数据集中的样本图像包含的恶性区域和淋巴结区域进行注释，然后进行分类归集得到训练集、验证集和测试集；模型训练模块，用于采用训练集对初始学习模型进行预训练后得到训练后的深度学习模型；采用验证集对训练后的深度学习模型进行验证，根据验证情况进行调参处理；得到调参后的深度学习模型；采用测试集对调参后的深度学习模型进行性能评估，评估合格得到训练优化后的深度学习模型；获取模块，其被配置为获取患者的第一病理切片；分析模块，用于调取训练优化后的深度学习模型，对患者的第一病理切片进行分析，得到患者的癌细胞数量及其位置信息；显示模块，其被配置为输出患者的癌细胞数量及其位置信息。

2、可选地，所述训练集包括：605个淋巴结切片图像，其中520个淋巴结切片图像为恶性肿瘤淋巴结切片图像，其被配置为用于对初始学习模型进行预训练后得到训练后的深度学习模型；所述验证集包括：610个淋巴结切片图像其中包含341个恶性肿瘤淋巴结切片图像，其被配置为用于对训练后的深度学习模型进行验证，根据验证情况进行调参处理；所述测试集包括：1402个淋巴结切片图像其中包含768个恶性肿瘤淋巴结切片图像，用于对调参后的深度学习模型进行性能评估，评估合格得到训练优化后的深度学习模型。

3、可选地，所述图像注释与归集模块包括：恶性区域注释单元和淋巴结区域注释单元；所述恶性区域注释单元和淋巴结区域注释单元分别用于对所述训练集的恶性区域和淋巴结区域进行注释从而获取癌症检测区域图像。

4、可选地，所述恶性区域注释单元和淋巴结区域注释单元被配置为对所述癌症检测区域图像的缩略图进行处理生成二值化图像；并对所述二值化图像进行瓦片化处理，获取训练样本。

5、可选地，还包括：曲率空间金字塔池模块，所述曲率空间金字塔池模块用于对染色全切片图像进行分析、提取图像特征用于分析所述第一样本数据集中的癌细胞数量及其位置信息。

6、可选地，所述淋巴结切片图像至少来自两个器官。

7、可选地，所述曲率空间金字塔池模块包括归一化层单元、金字塔融合模块和至少一个空洞卷积单元，所述空洞卷积模块内设有曲率，具体包括：所述空洞卷积单元被配置为提取癌症检测区域图像特征；所述归一化层单元被配置为对所述图像特征进行连接获得全连接数据；所述金字塔融合模块被配置为对全连接数据进行提取特征数据获得并将所述特征数据进行融合得到最终结果，所述特征数据至少包括一种识别数据。

8、可选地，所述训练样本包括至少一个320乘320像素的所述训练瓦片。

9、可选地，所述设置癌症和淋巴结检测的深度学习模型基于deeplabv3和resnet-50架构作为骨架实现。

10、本发明的泛器官淋巴结转移癌检测系统，基于卷积神经网络对现有的多个器官淋巴结转移癌检病理模块图片进行分割、提取、融合训练对淋巴结转移癌进行识别，基于空洞卷积的优势既可以识别不同尺寸的淋巴结转移癌区域，又可以保证分割精度。并对融合后的数据进行筛选，优化曲率空间金字塔池(aspp)模块，从而更好的适应病理诊断的场景。使得服务器在识别多各器官的淋巴结转移癌区域时既可以满足病例检测的清晰度，同时可以达到对多个器官通过淋巴结转移癌细胞的有效识别、并进行自动检测和诊断。检测效率高，可以大大缩短诊断时间，提高诊断准确率。具有较强的泛化能力和识别能力，能够处理不同类型和规模的医学影像数据。

11、本发明的另一目的在于提供一种计算机设备，包括存储有计算机程序的计算机可读存储介质和处理器，所述计算机程序被所述处理器读取并运行时，实现如上所述的泛器官淋巴结转移癌检测系统。

12、所述计算机程序被所述处理器读取并运行时，实现如上所述的泛器官淋巴结转移癌检测系统可以辅助实现泛器官淋巴结转移癌的快速、准确检测，同时减少了医生的工作负担和检测时间。极大程度上降低了人力成本，通过构建初始学习模型，在自动对病理图像进行注释和分类归集的基础上得到训练集、验证集和测试集。使用训练集对初始学习模型进行预训练，使用验证集对模型进行调参和优化，最终使用测试集对模型进行性能评估，得到优化后的深度学习模型。通过获取患者的第一病理切片，可以调用训练优化后的深度学习模型对患者的癌细胞数量及其位置信息进行分析，最终输出患者的癌细胞数量及其位置信息。这些信息可以帮助医生快速准确地诊断患者，提高治疗效果和生存率，减少了医疗资源的浪费。

13、所述计算机设备相对于现有技术与所述泛器官淋巴结转移癌检测系统所具有的优势相同，在此不再赘述。

14、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。

15、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。

技术特征：

1.一种泛器官淋巴结转移癌检测系统，其特征在于，包括模型构建模块、图像注释与归集模块、第一样本数据集、模型训练模块、获取模块，分析模块和显示模块，第一样本数据集包括预先保存的若干已往泛器官淋巴结转移癌患者的病理图像，采用病理图像作为样本图像；；

2.根据权利要求1所述的一种泛器官淋巴结转移癌检测系统，其特征在于，所述训练集包括：605个淋巴结切片图像，其中520个淋巴结切片图像为恶性肿瘤淋巴结切片图像，其被配置为用于对初始学习模型进行预训练后得到训练后的深度学习模型；

3.根据权利要求1所述的一种泛器官淋巴结转移癌检测系统，其特征在于，所述图像注释与归集模块包括：恶性区域注释单元和淋巴结区域注释单元；所述恶性区域注释单元和淋巴结区域注释单元分别用于对所述训练集的恶性区域和淋巴结区域进行注释从而获取癌症检测区域图像。

4.根据权利要求3所述的一种泛器官淋巴结转移癌检测系统，其特征在于，所述恶性区域注释单元和淋巴结区域注释单元被配置为对所述癌症检测区域图像进行处理生成二值化图像；并对所述二值化图像进行瓦片化处理，获取训练样本。

5.根据权利要求1所述的一种泛器官淋巴结转移癌检测系统，其特征在于，还包括：曲率空间金字塔池模块，所述曲率空间金字塔池模块用于对染色全切片图像进行分析、提取图像特征用于分析所述第一样本数据集和患者的第一病理切片中的癌细胞数量及其位置信息。

6.根据权利要求1所述的一种泛器官淋巴结转移癌检测系统，其特征在于，所述淋巴结切片图像至少来自两个器官。

7.根据权利要求5所述的一种泛器官淋巴结转移癌检测系统，其特征在于，所述曲率空间金字塔池模块包括归一化层单元、金字塔融合模块和至少一个空洞卷积单元，所述空洞卷积模块内设有曲率，具体包括：

8.根据权利要求4所述的一种泛器官淋巴结转移癌检测系统，其特征在于，所述训练样本包括至少一个320乘320像素的训练瓦片。

9.根据权利要求1所述的一种泛器官淋巴结转移癌检测系统，其特征在于，所述初始深度学习模型基于deeplabv3和resnet-50架构作为骨架实现。

10.一种计算机设备，其特征在于，包括存储有计算机程序的计算机可读存储介质和处理器，所述计算机程序被所述处理器读取并运行时，用于装载并运行权利要求1-9任一项所述的泛器官淋巴结转移癌检测系统。

技术总结
本发明提供了一种泛器官淋巴结转移癌检测系统与计算机设备，包括模型构建模块、图像注释与归集模块、第一样本数据集、模型训练模块、获取模块，分析模块和显示模块；模型构建模块用于建立泛器官淋巴结转移癌检测的初始学习模型；图像注释与归集模块，对所述第一样本数据集中的样本图像包含的恶性区域和淋巴结区域进行注释，通过模型训练模块对初始学习模型进行训练和优化得到深度学习模型；获取模块获取患者的第一病理切片；分析模块调取深度学习模型对患者的第一病理切片进行分析，得到患者的癌细胞数量及其位置信息；显示模块对输出患者的癌细胞数量及其位置信息。本发明在满足检测准确性的前提下提高检测效率，并节约了人力成本。

技术研发人员：王书浩,田艳杰
受保护的技术使用者：北京透彻未来科技有限公司
技术研发日：
技术公布日：2024/1/15