基于人工智能的病理辅助诊断系统技术方案

本发明专利技术公开了一种基于人工智能的病理辅助诊断系统，采用分布式异构集群系统，包括：数据存储模块、分布式计算模块和任务调度模块；分布式计算模块与数据存储模块和任务调度模块通信连接；其中，数据存储模块用于：接收客户端触发的操作指令，存储全扫描病理图像，并在图像分析任务进行时，为全图读取的病理图像提供缓存空间；分布式计算模块用于：按照异构计算的方式，并行执行病理图像的分析任务和深度学习模型对应的计算任务；任务调度模块用于：管理所述分布式计算模块对应执行的各项任务；能够解决多层级、大尺寸、高分辨率的图像的分析处理问题，提高了分析效率，由于采用了集群系统，使得系统能够增量扩展，同时也提高了系统的容错性。

【技术实现步骤摘要】
基于人工智能的病理辅助诊断系统
本专利技术涉及医疗
，特别涉及一种基于人工智能的病理辅助诊断系统。
技术介绍
随着人工智能技术的不断发展进步，人工智能也逐步地与医疗领域相结合。其中凭借人工智能技术在图像识别领域的发展，人工智能技术在医疗图像的应用取得一定成效，但相比于X光、CT等医疗影像，全扫描病理图像的人工智能辅助诊断面临着更大的挑战。现有的医疗人工智能辅助诊断系统主要有两类：第一类是应用于普通医疗影像的人工智能辅助诊断，例如CT、磁共振、超声等医疗影像。这类影像的尺寸较小，能够在单机上一次性完成对全图的分析。系统通过识别出影像中的可能病变区域，辅助医生做进一步的诊断。第二类是单机的病理图像的辅助诊断系统，通常集成在专门的病理诊断分析设备上。配合数字病理扫描仪，将数字化的病理图像传到分析设备，在本地完成病理图像的分析，辅助医生做进一步的诊断。但这种人工智能的病理辅助诊断系统存在着一定的缺陷，比如，针对第一类的技术，主要应用于普通医疗影像，其分析模型无法迁移到病理图像的诊断，且只能支持普通分辨率图像，无法处理超高分辨率的病理全扫描图像。针对第二类的技术，处理速度慢，由于病理全扫描图像的尺寸过大，导致分析时间过长，难以发挥辅助诊断的作用；且本地的分析系统难以支持大规模的神经网络，诊断的准确率较低；另外，这种单机方式是集成在分析仪器上的本地分析系统，扩展性差且容错性差。
技术实现思路
本专利技术提供一种基于人工智能的病理辅助诊断系统，旨在通过建立分布式异构集群系统，解决多层级、大尺寸、高分辨率的全扫描病理图像的分析处理问题，提高分析效率、扩展性以及容错性。本专利技术提供了一种基于人工智能的病理辅助诊断系统，所述基于人工智能的病理辅助诊断系统包括：数据存储模块、分布式计算模块和任务调度模块；所述分布式计算模块与所述数据存储模块和所述任务调度模块通信连接；其中：所述数据存储模块用于：接收客户端触发的操作指令，存储全扫描病理图像，并在图像分析任务进行时，为全图读取的病理图像提供缓存空间；所述分布式计算模块用于：按照异构计算的方式，并行执行病理图像的分析任务和深度学习模型对应的计算任务；所述任务调度模块用于：管理所述分布式计算模块对应执行的各项任务。优选地，所述数据存储模块包括：分布式文件系统和分布式缓存；所述分布式文件系统用于：存储病理图像对应的大规模图像数据，以及每个病理图像文件对应的预设份数的冗余文件；所述分布式缓存构建在所述分布式文件系统上，用于提前加载并缓存待分析的病理图像。优选地，所述基于人工智能的病理辅助诊断系统还包括深度学习分析模块；所述深度学习分析模块用于：基于深度学习，对病理图像进行图像分析，得到目标区域对应的概率图。优选地，所述分布式计算模块包括：前处理模块、异构计算模块和后处理模块；所述前处理模块用于：处理所述数据存储模块中存储的任意大小的病理图像；所述异构计算模块用于：并行执行所述前处理模块处理后的病理图像所对应的图像分析任务；所述后处理模块用于：接收所述任务调度模块收集的所述异构计算模块执行的所有子任务的结果，拼接所述深度学习分析模块生成的对应图像分块的概率图，并对拼接的概率图进行图像处理，得到最终的图像分析结果。优选地，所述前处理模块用于：采用分块的方式，将待处理的病理图像划分为一系列的分块图像，并对划分后的分块图像进行并行处理。优选地，所述后处理模块还用于：对拼接的概率图进行二值化图像处理后，得到病理图像对应的最终分析结果。优选地，所述深度学习分析模块还用于：对病理图像进行交叉式卷积处理，对交叉式卷积处理后的病理图像进行图像分析，得到病理图像对应的概率图。其中，对病理图像进行交叉式卷积处理包括：确定病理图像F中第i行第j列的像素点在第一方向上的第一差值因子λ1i,j和在第二方向上的第二差值因子λ2i,j；其中，第一方向和第二方向为交叉的方向，且第一差值因子为λ1i,j＝(|fi-1,j-1-fi+1,j+1|-|fi-1,j+1-fi+1,j-1|)2，第二差值因子为：λ2i,j＝(|fi-1,j-fi+1,j|-|fi,j-1-fi,j+1|)2；fi,j表示病理图像F中第i行第j列的像素点的像素值；在第i行第j列的像素点的第一差值因子λ1i,j大于第一预设差值、且第二差值因子λ2i,j不大于第二预设差值时，确定病理图像F中第i行第j列的像素点的补偿系数ki,j：ki,j＝a1fi-1,j-1+a3fi-1,j+1+a7fi+1,j-1+a9fi+1,j+1-a5fi,j；其中，a1,a3,a5,a7,a9为预设的常数，且a1+a3+a7+a9＝a5；在第一差值因子λ1i,j不大于第一预设差值、且第二差值因子λ2i,j大于第二预设差值时，确定病理图像F中第i行第j列的像素点的补偿系数ki,j：ki,j＝a2fi-1,j+a4fi,j-1+a6fi,j+1+a8fi+1,j-a5fi,j；其中，a2,a4,a5,a6,a8为预设的常数，且a2+a4+a6+a8＝a5；在第一差值因子λ1i,j不大于第一预设差值、且第二差值因子λ2i,j不大于第二预设差值，或者在第一差值因子λ1i,j大于第一预设差值、且第二差值因子λ2i,j大于第二预设差值时，确定病理图像F中第i行第j列的像素点的补偿系数ki,j：ki,j＝a1fi-1,j-1+a2fi-1,j+a3fi-1,j+1+a4fi,j-1+a6fi,j+1+a7fi+1,j-1+a8fi+1,j+a9fi+1,j+1-2a5fi,j；在确定每个像素点的补偿系数后，对病理图像F中相应的像素点进行补偿处理，确定处理后的病理图像G；其中，gi,j＝fi,j+μki,j；gi,j为处理后的病理图像G中第i行第j列的像素点的像素值，μ为调整系数，μ∈[0,1]，且优选地，所述任务调度模块用于：所述分布式计算模块每完成一个分块图像分析的子任务，则增加一个计数；当子任务完成的计数等于整个病理图像对应的分块图像的总任务数时，判断整个病理图像的所有分块图像分析完成，则收集所有分块图像对应的子任务的执行结果，调用所述后处理模块。优选地，所述任务调度模块用于：集群任务的管理。本专利技术一种基于人工智能的病理辅助诊断系统可以达到如下有益效果：所述基于人工智能的病理辅助诊断系统采用分布式异构集群系统；该基于人工智能的病理辅助诊断系统包括：数据存储模块、分布式计算模块和任务调度模块；所述分布式计算模块与所述数据存储模块和所述任务调度模块通信连接；其中：所述数据存储模块用于：接收客户端触发的操作指令，存储全扫描病理图像，并在图像分析任务进行时，为全图读取的病理图像提供缓存空间；所述分布式计算模块用于：按照异构计算的方式，并行执行病理图像的分析任务和深度学习模型对应的计算任务；所述任务调度模块用于：管理所述分布式计算模块对应执行的各项任务；能够解决多层级、大尺寸、高分辨率的图像的分析处理问题，提高了分析效率，由于采用了集群系统，使得系统能够增量扩展，同时也提高了系统的容错性。本专利技术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，或者通过实施本专利技术而了解。本专利技术的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所指出的内容来实现和获本文档来自技高网...

【技术保护点】
1.一种基于人工智能的病理辅助诊断系统，其特征在于，所述基于人工智能的病理辅助诊断系统采用分布式异构集群系统，所述基于人工智能的病理辅助诊断系统包括：数据存储模块、分布式计算模块和任务调度模块；所述分布式计算模块与所述数据存储模块和所述任务调度模块通信连接；其中：所述数据存储模块用于：接收客户端触发的操作指令，存储全扫描病理图像，并在图像分析任务进行时，为全图读取的病理图像提供缓存空间；所述分布式计算模块用于：按照异构计算的方式，并行执行病理图像的分析任务和深度学习模型对应的计算任务；所述任务调度模块用于：管理所述分布式计算模块对应执行的各项任务。

【技术特征摘要】
1.一种基于人工智能的病理辅助诊断系统，其特征在于，所述基于人工智能的病理辅助诊断系统采用分布式异构集群系统，所述基于人工智能的病理辅助诊断系统包括：数据存储模块、分布式计算模块和任务调度模块；所述分布式计算模块与所述数据存储模块和所述任务调度模块通信连接；其中：所述数据存储模块用于：接收客户端触发的操作指令，存储全扫描病理图像，并在图像分析任务进行时，为全图读取的病理图像提供缓存空间；所述分布式计算模块用于：按照异构计算的方式，并行执行病理图像的分析任务和深度学习模型对应的计算任务；所述任务调度模块用于：管理所述分布式计算模块对应执行的各项任务。2.如权利要求1所述的基于人工智能的病理辅助诊断系统，其特征在于，所述数据存储模块包括：分布式文件系统和分布式缓存；所述分布式文件系统用于：存储病理图像对应的大规模图像数据，以及每个病理图像文件对应的预设份数的冗余文件；所述分布式缓存构建在所述分布式文件系统上，用于提前加载并缓存待分析的病理图像。3.如权利要求1或2所述的基于人工智能的病理辅助诊断系统，其特征在于，所述基于人工智能的病理辅助诊断系统还包括深度学习分析模块；所述深度学习分析模块用于：基于深度学习，对病理图像进行图像分析，得到目标区域对应的概率图。4.如权利要求3所述的基于人工智能的病理辅助诊断系统，其特征在于，所述分布式计算模块包括：前处理模块、异构计算模块和后处理模块；所述前处理模块用于：处理所述数据存储模块中存储的任意大小的病理图像；所述异构计算模块用于：并行执行所述前处理模块处理后的病理图像所对应的图像分析任务；所述后处理模块用于：接收所述任务调度模块收集的所述异构计算模块执行的所有子任务的结果，拼接所述深度学习分析模块生成的对应图像分块的概率图，并对拼接的概率图进行图像处理，得到最终的图像分析结果。5.如权利要求4所述的基于人工智能的病理辅助诊断系统，其特征在于，所述前处理模块用于：采用分块的方式，将待处理的病理图像划分为一系列的分块图像，并对划分后的分块图像进行并行处理。6.如权利要求4所述的基于人工智能的病理辅助诊断系统，其特征在于，所述后处理模块还用于：对拼接的概率图进行二值化图像处理后，得到病理图像对应的最终分析结果。7.如权利要求3所述的基于人工智能的病理辅助诊断系统，其特征在于，所述深度学习分析模块还用于：对病理图像进行交叉式卷积处理，对交叉式卷积处理后的病理图像进行图像分析，得到病理图像对应的概率图；其中，对病理图像进行交叉式卷积处理包括：确定病理图像F中第i行第j列...

【专利技术属性】
技术研发人员：王书浩，刘灿城，高翔，王朗，
申请(专利权)人：透彻影像北京科技有限公司，
类型：发明
国别省市：北京,11