The invention discloses a diagnosis support system and method of benign gastritis data based on deep learning, the system includes: image data acquisition unit for pathological images of normal gastric mucosa tissue image and diagnosed benign gastritis cases as the input image data is image data; mark unit for image data input labeling; construction unit image database for providing image data of the labeling units labeled image data classification, sorting, construction of pathology image database; convolutional neural network (CNN) structure unit, used to construct the first convolutional neural network model; and the convolutional neural network model training unit, convolutional neural network model to obtain the ideal. The pathological diagnosis supporting system and method of the benign gastritis can realize accurate and efficient intelligent reading, so as to assist the pathological diagnosis of the benign gastritis in clinic, and improve the accuracy, the work efficiency and the working state of the benign gastritis.
【技术实现步骤摘要】
基于大数据深度学习的良性胃炎病理诊断支持系统和方法
本专利技术涉及一种基于大数据深度学习的良性胃炎病理诊断支持系统和方法。
技术介绍
深度学习是目前人工智能领域用于图像识别和语音分析的最契合、应用最广泛的算法,其灵感来自于人类大脑的工作机制,是通过建立卷积神经网络对外部输入的数据进行自动化特征提取,从而能够使机器理解学习数据,获得信息并输出。目前,基于深度学习的人工智能已应用于各个行业领域,包括语音识别、人脸识别、车标识别、手写汉字识别等。近年来人工智能辅助医疗技术的产品研发也取得重大进展,如由谷歌大脑及Verily公司研发的用于乳腺癌病理诊断的人工智能产品可达到89%的肿瘤定位准确率;浙江大学附属第一医院利用人工智能实现快速分析甲状腺B超中结节区域的位置和良恶性。在医疗诊断过程中,病理诊断是疾病诊断的金标准。目前绝大部分的病理组织切片是由人工制作,并由病理医生结合自身长期积累的临床诊断经验来分析和判断。胃镜下组织活检进行病理组织学检查是诊断胃部疾病的金标准。良性胃炎的病理诊断能够预示临床转归如是否会发展为消化性溃疡或胃癌,为临床治疗及预后评估提供客观依据。根据显微镜下胃黏膜的炎症程度(炎症细胞在黏膜层的浸润深度)、腺体萎缩程度、肠化生(黏膜出现杯状细胞和肠吸收上皮细胞化生)、异性增生程度、糜烂或坏死等相关指标可以明确胃炎诊断,从而指导临床诊治,改善患者生活质量。因此,病理组织学方法诊断良性胃炎的缺点主要是:病理玻片的结果判断是由病理医生肉眼观察所得,这种人工阅片方法与病理医生自身经验、工作状态等主观因素密切相关,容易产生误差。病理医生要负责检查切片上的所 ...
【技术保护点】
良性胃炎病理诊断支持系统,其特征在于,所述支持系统包括:图像数据获得单元,用于获得正常胃黏膜组织切片图像和已确诊的良性胃炎病例的病理切片图像作为已输入图像数据;图像数据标注单元,用于对所述已输入图像数据进行标注,以及保证图像的标签和图像的真实病理诊断结果一致;图像数据库构建单元,用于对所述图像数据标注单元提供的已标注图像数据分类、整理,构建病理图像数据库;卷积神经网络构造单元,用于构造第一卷积神经网络模型;以及卷积神经网络模型训练单元,利用所述病理图像数据库的图像数据对所述第一卷积神经网络模型的参数进行调节,以及训练所述第一卷积神经网络模型,获得可用于检测患者病理图像数据的第二卷积神经网络模型。
【技术特征摘要】
1.良性胃炎病理诊断支持系统,其特征在于,所述支持系统包括:图像数据获得单元,用于获得正常胃黏膜组织切片图像和已确诊的良性胃炎病例的病理切片图像作为已输入图像数据;图像数据标注单元,用于对所述已输入图像数据进行标注,以及保证图像的标签和图像的真实病理诊断结果一致;图像数据库构建单元,用于对所述图像数据标注单元提供的已标注图像数据分类、整理,构建病理图像数据库;卷积神经网络构造单元,用于构造第一卷积神经网络模型;以及卷积神经网络模型训练单元,利用所述病理图像数据库的图像数据对所述第一卷积神经网络模型的参数进行调节,以及训练所述第一卷积神经网络模型,获得可用于检测患者病理图像数据的第二卷积神经网络模型。2.根据权利要求1所述的支持系统,其特征在于,所述支持系统还包括卷积神经网络模型检验单元,用于获得理想的卷积神经网络模型。3.根据权利要求2所述的支持系统,其特征在于,所述卷积神经网络模型检验单元包括卷积神经网络模型校验单元和卷积神经网络模型测试单元,所述卷积神经网络模型校验单元用于检测所述第二卷积神经网络模型的准确率;所述卷积神经网络模型测试单元,用于检测所述第二卷积神经网络模型是否过拟合,以筛选出鲁棒的第三卷积神经网络模型。4.根据权利要求1所述的支持系统,其特征在于,所述支持系统还包括卷积神经网络模型预训练单元,用于当所述图像数据获得单元收集到的已输入图像数据不足时,对所述第一卷积神经网络模型进行预训练。5.根据权利要求1所述的支持系统,其特征在于,所述支持系统还包括...
【专利技术属性】
技术研发人员:万香波,
申请(专利权)人:万香波,陈浩,范新娟,王磊,冯莉莉,朱亚希,黄艳,林黄靖,窦琪,王平安,中山大学附属第六医院,深圳视见医疗科技有限公司,
类型:发明
国别省市:广东,44
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。