一种基于数字病理图像的癌症辅助诊断方法技术

本发明专利技术公开了一种基于数字病理图像的癌症辅助诊断方法，包括以下步骤：①用切片扫描仪将数字病理切片扫描成图像；②建立数字病理图像数据库和数字病理图像标注库；③建立数字病理图像自动诊断模型和数字病理图像检索模型；④采用数字病理图像自动诊断模型对未知病变类型的数字病理切片进行诊断，获得诊断结果，同时选出若干病变区域；⑤采用数字病理图像检索模型查找相似病变区域；⑥将诊断结果、典型病变区域等信息反馈给医生进行辅助诊断。本发明专利技术将计算机自动诊断模型和病理图像检索模型相结合，在利用计算机预测数字病理切片病变类型的同时，为医生提供已确诊的相似癌症病例作为参考，达到提高癌症的诊断质量与提升医生诊断能力的目的。

【技术实现步骤摘要】

本专利技术属于数字图像处理领域，涉及病理图像特征提取、分类和基于内容的图像检索方面的技术，特别涉及一种基于数字病理图像的癌症辅助诊断方法。
技术介绍
数字病理全切片指利用切片扫描成像系统将病理切片转换为可供计算机显示、传输及处理的高倍率大规模数字图像。利用数字病理切片易于存储、传输和在线查看的特点，基于病理图像的癌症远程诊断系统得到了迅速的发展。依靠该癌症远程诊断技术，国内偏远地区的部分县级医院已经具备了癌症诊断的条件。然而，据目前的远程诊断平台统计显示，基层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％。为了提升基层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，在辅助基层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，此类算法往往只能给出诊断结果，却不能给出支持诊断结果的诊断依据。另外，如何在数字病理图像数据库中快速准确的检索到所需的数字病理切片，特别是在数字病理切片癌变类型未知的情况下，利用图像内容进行相似病例查找的检索方法，成为了当前的研究热点。
技术实现思路
针对上述问题，本专利技术的目的在于提供一种基于数字病理图像的癌症辅助诊断方法，该方法将基于机器学习的计算机自动诊断方法和病理图像检索方法相结合，在利用计算机预测数字病理切片病变类型的同时，为医生提供已确诊的相似癌症病例作为参考，达到提高癌症的诊断质量与提升医生诊断能力的目的。为达到上述目的，本专利技术所提出的技术方案为：一种基于数字病理图像的癌症辅助诊断方法，包括以下步骤：步骤1：用切片扫描仪将数字病理切片扫描到电子计算中，以RGB三通道存储为数字图像矩阵；步骤2：筛选带有病理科专家诊断信息的数字病理切片建立数字病理图像数据库，并在该数据库中选取部分典型的数字病理切片进行严格标注，形成数字病理图像标注库；步骤3：采用图像处理方法和机器学习算法对步骤2中的数字病理图像标注库和数字病理图像数据库进行分析和学习，建立数字病理图像自动诊断模型和数字病理图像检索模型；步骤4：利用步骤3建立的数字病理图像自动诊断模型对未知病变类型的数字病理切片进行诊断，获得诊断结果，同时选出若干典型病变区域；步骤5：利用步骤3建立的数字病理图像检索模型对步骤4中选出的若干典型病变区域在步骤2中建立的数字病理图像数据库中进行检索，查找与其相似的病变区域；步骤6：将步骤4中得到的诊断结果、典型病变区域和步骤5中得到的相似病变区域及其所属病例同时反馈给医生，辅助医生进行诊断。进一步的，所述数字病理图像标注库，其通过如下具体步骤来建立：①确定自动诊断模型的诊断范围，即规定其能够预测的所有癌变类型，并将每种癌变类型进行编号；②对参与标记的每一张数字病理切片，在其图像中勾画出癌变区域，同时记录该癌变区域对应的癌变类型及其编号；③按照一定规则对所有标记区域的图像进行采集，并按癌变类型分别存储，形成该病理图像标注库。进一步的，所述机器学习算法可为卷积神经元网络、栈式自编码网络、多实例学习或自编码哈希算法，还可为其他算法，本专利技术不限于此。采用上述技术方案，本专利技术考虑了计算机辅助诊断的临床需要，将计算机自动诊断方法与基于内容的图像检索技术相结合，充分利用带有专家诊断信息的数字病理切片，对未知病变类型的数字病理切片进行自动分析诊断，同时为医生提供诊断结果和相似病例，辅助医生进行诊断。该辅助诊断方法从病理科临床实际需要出发，具有完整的
流程，对提高使用数字病理图像来做病理诊断的各级医院的诊断质量，及培养基层病理科医生和学生具有重要意义。附图说明图1为本专利技术的流程示意图。具体实施方式下面结合附图和具体实施方式，对本专利技术做进一步说明。如图1所示，一种基于数字病理图像的癌症辅助诊断方法，包括以下具体的步骤：步骤1：用切片扫描仪将数字病理切片扫描到电子计算中，以RGB三通道存储为数字图像矩阵为了满足癌症诊断的需要，病理切片一般在40倍镜下进行扫描，这使得整个数字病理切片的规模可以达到90000×90000像素，为了便于读取、传输与处理，数字病理全切片一般以分块的形式进行存储。步骤2：筛选带有病理科专家诊断信息的数字病理切片建立数字病理图像数据库，并在该数据库中选取部分典型的数字病理切片进行严格标注，形成数字病理图像标注库远程诊断系统每天会收集全国各地众多医院上传的数字病理切片，为了保证数字病理图像数据库的可靠性与权威性，创建该数据库时，只筛选带有知名病理专家诊断意见的数字病理切片。随着临床数据不断增加，对该数字病理图像数据库定期进行更新。若要利用机器学习算法建立计算机自动诊断模型，仅有病理切片的整体诊断结果是不够的，还需要病理科专家对一定数量的癌症病例
进行准确的标注，以建立数字病理图像标注库，建立该标注库的具体步骤如下：①确定自动诊断模型的诊断范围，即规定其能够预测的所有癌变类型，并将每种癌变类型进行编号；②对参与标记的每一张数字病理切片，在该切片图像中勾画出癌变区域，同时记录该癌变区域对应的癌变类型及其编号；③按照一定规则对所有标记区域的图像进行采集，并按癌变类型分别存储，形成该病理图像标注库。步骤3：采用图像处理方法和机器学习算法对步骤2中的数字病理图像标注库和数字病理图像数据库进行分析和学习，建立数字病理图像自动诊断模型和数字病理图像检索模型依靠机器学习算法的计算机辅助诊断模型需要对已知类型的数据进行反复的学习，以此对诊断模型的参数进行优化调整，训练所得的诊断模型可以对未知的数据进行类别预测。针对自动诊断任务和数字病理图像检索任务分别设计模型，该模型采用图像处理方法和机器学习算法对步骤2中具体实施步骤②标记的切片样本及其类型编号和数字病理图像数据库进行学习训练即可获得病理图像自动诊断模型和病理图像检索模型。所述机器学习算法包括卷积神经元网络、栈式自编码网络、多实例学习以及自编码哈希算法，还可为其他算法，本专利技术不以此为限。步骤4：利用步骤3建立的数字病理图像自动诊断模型对未知病变类型的数字病理切片进行诊断，获得诊断结果，同时选出若干典型
病变区域数字病理切片是一张分辨率高，空间连续的数字图像，为了利用步骤3中得到的数字病理图像自动诊断模型进行分析，需要先将其分割成大小能让自动诊断模型接受的图像块，然后用该模型预测每个图像块的病变类型。按照病理学诊断原则，若切片中存在某种癌变类型的区域，那么该切片就应被诊断为该种癌变，如果切片中存在超过一种癌变类型，则该切片应被诊断为这几种癌变类型并存。据此，采用步骤3中得到的病理图像自动诊断模型对待诊断切片中所有图像块进行自动分析诊断，同时挑选出切片中存在的每种病变类型预测概率最高的若干病变区域，利用上述病理学诊断原则给出诊断结果。步骤5：利用步骤3建立的数字病理图像检索模型对步骤4中选出的若干典型病变区域在步骤2中建立的数字病理图像数据库中进行检索，查找与其相似的病变区域本专利技术的病理图像检索模型能够在步骤2中所建立的本文档来自技高网...

【技术保护点】
一种基于数字病理图像的癌症辅助诊断方法，其特征在于，包括以下步骤：步骤1：用切片扫描仪将数字病理切片扫描到电子计算中，以RGB三通道存储为数字图像矩阵；步骤2：筛选带有病理科专家诊断信息的数字病理切片建立数字病理图像数据库，并在该数据库中选取部分典型的数字病理切片进行严格标注，形成数字病理图像标注库；步骤3：采用图像处理方法和机器学习算法对步骤2中的数字病理图像标注库和数字病理图像数据库进行分析和学习，建立数字病理图像自动诊断模型和数字病理图像检索模型；步骤4：利用步骤3建立的数字病理图像自动诊断模型对未知病变类型的数字病理切片进行诊断，获得诊断结果，同时选出若干典型病变区域；步骤5：利用步骤3建立的数字病理图像检索模型对步骤4中选出的若干典型病变区域在步骤2中建立的数字病理图像数据库中进行检索，查找与其相似的病变区域；步骤6：将步骤4中得到的诊断结果、典型病变区域和步骤5中得到的相似病变区域及其所属病例同时反馈给医生，辅助医生进行诊断。

【技术特征摘要】
1.一种基于数字病理图像的癌症辅助诊断方法，其特征在于，包括以下步骤：步骤1：用切片扫描仪将数字病理切片扫描到电子计算中，以RGB三通道存储为数字图像矩阵；步骤2：筛选带有病理科专家诊断信息的数字病理切片建立数字病理图像数据库，并在该数据库中选取部分典型的数字病理切片进行严格标注，形成数字病理图像标注库；步骤3：采用图像处理方法和机器学习算法对步骤2中的数字病理图像标注库和数字病理图像数据库进行分析和学习，建立数字病理图像自动诊断模型和数字病理图像检索模型；步骤4：利用步骤3建立的数字病理图像自动诊断模型对未知病变类型的数字病理切片进行诊断，获得诊断结果，同时选出若干典型病变区域；步骤5：利用步骤3建立的数字病理图像检索模型对步骤4中选出的若干典型病变区域在步骤2中建立的数字病理图像数据库中进行检索...

【专利技术属性】
技术研发人员：姜志国，郑钰山，
申请(专利权)人：麦克奥迪厦门医疗诊断系统有限公司，
类型：发明
国别省市：福建;35