人工智能辅助早期胃癌筛查系统技术方案

本发明专利技术实施例公开了人工智能辅助早期胃癌筛查系统，包括：切片图像获取模块，用于获取多个胃镜切片图像；图像片段生成模块，用于根据所述多个胃镜切片图像生成多个具有良性标签的图像片段和多个具有恶性标签的图像片段；模型训练模块，用于根据所述多个具有良性标签的图像片段和所述多个具有恶性标签的图像片段得到训练集和测试集，并根据所述训练集和所述测试集生成用于识别图像片段是否为恶性或良性的识别模型；识别输出模块，用于根据所述识别模型对目标胃镜切片图像进行识别，并输出识别结果。本发明专利技术可有效的辅助病理医师过滤不需要专业病理医师复查的阴性标本，并有助于常规病理诊断的质控。

【技术实现步骤摘要】
人工智能辅助早期胃癌筛查系统
本专利技术实施例涉及诊断设备领域，具体涉及人工智能辅助早期胃癌筛查系统。
技术介绍
胃癌是消化道常见的恶性肿瘤。中国男性胃癌发病率居恶性肿瘤的第二位，仅次于肺癌，女性胃癌发病率居恶性肿瘤的第三位，在乳腺癌和肺癌之后。早期诊断是防止肿瘤进展、指导治疗和提高患者生存率的重要手段，尤其是胃癌。人工智能是研究人类智能活动的规律，构造具有一定智能的人工系统，如何基于人工智能构建一套可以对早起胃癌进行筛查的设备是一种亟待解决的问题。
技术实现思路
本专利技术实施例的目的在于提供人工智能辅助早期胃癌筛查系统，用以解决现有人工对胃镜切片图像进行分析确定胃癌工作量大的问题。为实现上述目的，本专利技术实施例主要提供如下技术方案：本专利技术实施例提供了一种人工智能辅助早期胃癌筛查系统，包括：切片图像获取模块，用于获取多个胃镜切片图像，所述多个胃镜切片图像中的癌症区域具有标注信息；图像片段生成模块，用于根据所述多个胃镜切片图像生成多个具有良性标签的图像片段和多个具有恶性标签的图像片段，其中，所述图像片段生成模块根据图像片段中癌症部分的占比对每个图像片段分别设置恶性标签或良性标签；模型训练模块，用于根据所述多个具有良性标签的图像片段和所述多个具有恶性标签的图像片段得到训练集和测试集，并根据所述训练集和所述测试集生成用于识别图像片段是否为恶性或良性的识别模型；识别输出模块，用于根据所述识别模型对目标胃镜切片图像进行识别，并输出识别结果。根据本专利技术的一个实施例，所述图像片段生成模块使用数字切片扫描仪使用预设放大倍率对所述多个胃镜切片图像进行扫描切片，并将每个图像片段转换为预设格式，并使用预设标注工具对每个图像片段进行分别标注。根据本专利技术的一个实施例，所述数字切片扫描仪为KFBIO数字切片扫描仪。根据本专利技术的一个实施例，所述放大倍率为30倍至50倍之间。根据本专利技术的一个实施例，所述预设标注工具为ASAP光学软件。根据本专利技术的一个实施例，所述多个胃镜切片图像中的癌症区域是通过对所述多个胃镜切片图像进行二值化和滤波处理提取到的。根据本专利技术的一个实施例，所述图像片段生成模块用于将图像片段中癌症部分超过百分之五十的图像片段添加恶性标签，将不含有癌症部分的图像片段设置添加良性标签。根据本专利技术的一个实施例，所述模型训练模块使用神经网络进行训练、测试和调参得到所述识别模型。本专利技术实施例提供的技术方案至少具有如下优点：本专利技术实施例提供的人工智能辅助早期胃癌筛查系统，从技术层面看影响胃活检标本诊断的主观因素众多，病理医师只能通过主观经验对结果进行判断，而人工智能技术诊断标准一致，可避免主观因素的影响。此外本专利技术不受环境条件和疲劳程度的影响，可重复性好，诊断效率高，把医生从大量简单，重复繁琐的工作中解放出来，不仅减轻了医生的工作负担，而且缓解了患者的就诊压力，解决了优质医疗资源分配不均等问题。从筛查层面看，我国是胃癌高发国家，胃活检标本数量巨大，而病理医师的培养周期漫长，人数严重不足，本专利技术解决基层病理医师资源不足和能力提升问题，最大限度地提高诊断准确率，避免误诊和漏诊，并促进全民早期胃癌筛查的开展。附图说明图1为本专利技术实施例的人工智能辅助早期胃癌筛查系统的结构框图。具体实施方式以下由特定的具体实施例说明本专利技术的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本专利技术的其他优点及功效。以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、接口、技术之类的具体细节，以便透彻理解本专利技术。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本专利技术。在其它情况中，省略对众所周知的系统、电路以及方法的详细说明，以免不必要的细节妨碍本专利技术的描述。图1为本专利技术实施例的人工智能辅助早期胃癌筛查系统的结构框图。如图1所示，本专利技术实施例的人工智能辅助早期胃癌筛查系统，包括：切片图像获取模块100、图像片段生成模块200、模型训练模块300和识别输出模块400。其中，切片图像获取模块100用于获取多个胃镜切片图像。多个胃镜切片图像中的癌症区域具有标注信息。在本专利技术的一个示例中，获得的多个胃镜切片图像包括胃镜活检组织切片共665例，其中良性288例，恶性(以腺癌为主)335例，包括管状腺癌135例、乳头状腺癌40例、低黏附性癌60例(包括6例原位印戒细胞癌)、黏液腺癌20例及混合腺癌50例(其中2例为管状腺癌+肝样腺癌)；另收集了60张特殊类型肿瘤(如未分化癌、淋巴瘤等)备用。通过至少两名经验丰富的病理专家依据修订维也纳分类评估每张切片的病理诊断，确定每个病例最终一致的诊断。本专利技术建立明确的胃镜活检标本的分级标准：良性标本：包括炎症，息肉、低级别腺瘤/异型增生；恶性：高级别腺瘤/异型增生，黏膜内癌、浸润癌、不确定为肿瘤/异型增生及特殊类型肿瘤。表1总结了修订维也纳分类与人工智能输出结果的对应关系。表1修订维也纳分类与人工智能分级修订维也纳分类诊断描述人工智能分级分类1非肿瘤/异型增生(Negativeforneoplasia/dysplasia)1分类2不确定为肿瘤/异型增生(Indefiniteforneoplasia/dysplasia)2分类3低级别腺瘤/异型增生(Low-gradeadenoma/dysplasia)1分类4.1高级别腺瘤/异型增生(High-gradeadenoma/dysplasia)2分类4.2非浸润性癌(noninvasivecarcinoma)2分类4.3可疑浸润性癌(Suspicionforinvasivecarcinoma)2分类5.1黏膜内癌(Intramucosalcarcinoma)2分类5.2黏膜下浸润性癌(Submucosalinvasivecarcinoma)2图像片段生成模块200用于根据多个胃镜切片图像生成多个具有良性标签的图像片段和多个具有恶性标签的图像片段。其中，图像片段生成模块根据图像片段中癌症部分的占比对每个图像片段分别设置恶性标签或良性标签。具体地，图像片段生成模块200将收集的切片全部数字化，使用KFBIO数字切片扫描仪(型号为KF-Pro-005)，采用30-50倍之间的放大倍率，优选为40倍放大倍率(0.23微米/像素)扫描切片生成多个图像片段。图像片段生成模块200将每个图像片段转换为预设格式，并使用预设标注工具对每个图像片段进行分别标注。示例性地，图像片段的格式为.KFB，将其转换成标准图像文件格.GIF，应用标注工具(ASAP)本文档来自技高网...

【技术保护点】
1.一种人工智能辅助早期胃癌筛查系统，其特征在于，包括：/n切片图像获取模块，用于获取多个胃镜切片图像，所述多个胃镜切片图像中的癌症区域具有标注信息；/n图像片段生成模块，用于根据所述多个胃镜切片图像生成多个具有良性标签的图像片段和多个具有恶性标签的图像片段，其中，所述图像片段生成模块根据图像片段中癌症部分的占比对每个图像片段分别设置恶性标签或良性标签；/n模型训练模块，用于根据所述多个具有良性标签的图像片段和所述多个具有恶性标签的图像片段得到训练集和测试集，并根据所述训练集和所述测试集生成用于识别图像片段是否为恶性或良性的识别模型；/n识别输出模块，用于根据所述识别模型对目标胃镜切片图像进行识别，并输出识别结果。/n

【技术特征摘要】
1.一种人工智能辅助早期胃癌筛查系统，其特征在于，包括：
切片图像获取模块，用于获取多个胃镜切片图像，所述多个胃镜切片图像中的癌症区域具有标注信息；
图像片段生成模块，用于根据所述多个胃镜切片图像生成多个具有良性标签的图像片段和多个具有恶性标签的图像片段，其中，所述图像片段生成模块根据图像片段中癌症部分的占比对每个图像片段分别设置恶性标签或良性标签；
模型训练模块，用于根据所述多个具有良性标签的图像片段和所述多个具有恶性标签的图像片段得到训练集和测试集，并根据所述训练集和所述测试集生成用于识别图像片段是否为恶性或良性的识别模型；
识别输出模块，用于根据所述识别模型对目标胃镜切片图像进行识别，并输出识别结果。


2.根据权利要求1所述的人工智能辅助早期胃癌筛查系统，其特征在于，所述图像片段生成模块使用数字切片扫描仪使用预设放大倍率对所述多个胃镜切片图像进行扫描切片，并将每个图像片段转换为预设格式，并使用预设标注工具对每个图像片段进行分别标注。

【专利技术属性】
技术研发人员：王翠芳，孙洁，范永刚，王红军，
申请(专利权)人：沈阳智朗科技有限公司，沈阳医学院，
类型：发明
国别省市：辽宁;21