The invention discloses an auxiliary diagnosis method of cancer pathology based on artificial intelligence technology, which includes the following steps: scanning a number of digital pathological images to the computer, and marking the pathological area by the pathology experts to form a digital pathological image database, and the digital pathological image is trained to form an algorithm after preprocessing. Data set, and then sample collection to form a subset of training data; the whole convolution network uses the training data subset to adjust the parameters and construct the artificial intelligence analysis module; the diagnosis of pathological images is scanned and the diagnostic pathology image is entered into the artificial intelligence analysis module through decoding; the artificial intelligence analysis module is used. The pathological images were diagnosed and marked, and the pathological information was sent back to the doctor. The invention discloses an auxiliary diagnosis method of cancer pathology based on artificial intelligence technology. The diagnostic accuracy of the cancer pathological assistant diagnosis method is high, and the doctor can effectively assist the doctor to distinguish the pathological information of cancer.
【技术实现步骤摘要】
一种基于人工智能技术的癌症病理辅助诊断方法
本专利技术属于人工智能
,具体涉及一种基于人工智能技术的癌症病理辅助诊断方法。
技术介绍
常规的癌症诊断是基于分析来自肿瘤或可疑肿瘤组织中的细胞和组织标本。通过组织染色,个体细胞或细胞群就可以鉴别开来。常规诊断依靠分析形态特征,如细胞形状,大小和染色性状的改变,以及组织结构的不规则性。所以,癌症诊断是对异于相应正常组织的形态变异的一种主观判断。正确而可靠的诊断技能需要丰富的经验。介于癌和癌前病变以及癌前病变和非癌病变的病例,对于即使是最有经验的病理学家和细胞学家也是一种挑战。由于还没有开发出完整的肿瘤诊断形态标准,这一类问题也越来越多。据目前的远程诊断平台统计显示,医生的诊断意见与病理科专家的诊断意见一致的比率不足60%。为了提升医院的癌症诊断质量,迫切需要更为系统的计算机辅助诊断方法,在辅助医生进行诊断的同时,逐步提高医生的诊断能力。随着基于数字病理切片的癌症远程诊断的普及,数字病理切片的数量不断增长,各种带有专家诊断结果的癌症病例被收集起来,形成了不断增长的数字病理图像数据库。当前流行的计算机辅助诊断方法,大多基于传统机器学习方法,此类方法在对大量已知病变类型的数字病理图像进行学习后,具备对未知数字病理图像进行诊断的能力。但是,由于算法模型不同,经过学习和训练的程度不一,对未知数字病理图像进行诊断的能力层次不一。目前,现有算法模型对癌症数字病理诊断的准确率不高,因此,需要开发一种准确度较高的算法模型是本领域技术人员迫切寻求的目标。
技术实现思路
本专利技术所要解决的技术问题是,提供一种基于人工智能技术的癌症 ...
【技术保护点】
1.一种基于人工智能技术的癌症病理辅助诊断方法,其特征在于,包括以下步骤:步骤1:通过扫描系统将若干数量的数字病理图像扫描至计算机中,并由病理学专家针对数字病理图像中的病变区域进行标注,形成数字病理图像数据库;步骤2:将数字病理图像数据库中的数字病理图像经图像输入和预处理模块预处理后,形成算法训练用数据集,再对算法训练用数据集进行样本采集,形成若干训练用数据子集;步骤3:通过全卷积网络使用训练用数据子集进行迭代训练调整参数,构建人工智能分析模块;步骤4:通过扫描系统将诊断病理学图像扫描至计算机中,诊断病理学图像通过解码进入人工智能分析模块;步骤5:人工智能分析模块对诊断病理学图像进行诊断以及标记,并将标记后的病理信息反馈给医生,辅助医生进行诊断。
【技术特征摘要】
1.一种基于人工智能技术的癌症病理辅助诊断方法,其特征在于,包括以下步骤:步骤1:通过扫描系统将若干数量的数字病理图像扫描至计算机中,并由病理学专家针对数字病理图像中的病变区域进行标注,形成数字病理图像数据库;步骤2:将数字病理图像数据库中的数字病理图像经图像输入和预处理模块预处理后,形成算法训练用数据集,再对算法训练用数据集进行样本采集,形成若干训练用数据子集;步骤3:通过全卷积网络使用训练用数据子集进行迭代训练调整参数,构建人工智能分析模块;步骤4:通过扫描系统将诊断病理学图像扫描至计算机中,诊断病理学图像通过解码进入人工智能分析模块;步骤5:人工智能分析模块对诊断病理学图像进行诊断以及标记,并将标记后的病理信息反馈给医生,辅助医生进行诊断。2.根据权利要求1所述基于人工智能技术的癌症病理辅助诊断方法,其特征在于,在步骤2中,所述预处理包括以下步骤:步骤21:识别数字病理图像数据库中的数字病理图像,剔除无法进行辨别的数字病理图像,并对删除后的数字病理图像进行归一化预处理;步骤22:将归一化预处理后的数字病理图像通过数据增强算法进行处理,得到算法训练用数据集;步骤23:将算法训练用数据集中的数字病理图像和与所述数字病理图像对应的标注信息进行样本采集,将采集的样本按比例划分为训练集、验证集以及测试集三个训练用数据子集,用以训练所述人工智能分析模块。3.根据权利...
【专利技术属性】
技术研发人员:周晓光,孙沐毅,张冠宏,党豪,张文宝,韩凯,
申请(专利权)人:雨声智能科技上海有限公司,
类型:发明
国别省市:上海,31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。