胃幽门螺旋杆菌感染病理诊断支持系统和方法技术方案

本发明专利技术公开了一种基于大数据深度学习的胃幽门螺旋杆菌感染病理诊断支持系统和方法，该系统包括：图像数据获得单元，用于获得胃正常切片图像和已确诊的胃幽门螺旋杆菌感染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，用于对已输入图像数据进行标注；图像数据库构建单元，用于对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(CNN)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，获得理想的卷积神经网络模型。通过本发明专利技术的胃幽门螺旋杆菌感染病理诊断支持系统和方法可实现精准和高效的智能读片，以辅助临床上胃幽门螺旋杆菌感染的病理诊断工作，提高其准确率、工作效率及工作持续状态。

【技术实现步骤摘要】
胃幽门螺旋杆菌感染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胃幽门螺旋杆菌感染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，病理组织切片检查需要极高的规范化和精确度。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。现代医学证明，胃幽门螺杆菌(Helicobacterpylori,HP)是慢性胃炎、消化性溃疡、胃癌的重要致病因子，已被国际癌症研究机构(IARC)列为I类致癌物之一。本文档来自技高网...

【技术保护点】
1.胃幽门螺旋杆菌感染病理诊断支持系统，其特征在于，所述支持系统包括：图像数据获得单元，用于获得胃正常切片图像和已确诊的胃幽门螺旋杆菌感染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...

【技术特征摘要】
1.胃幽门螺旋杆菌感染病理诊断支持系统，其特征在于，所述支持系统包括：图像数据获得单元，用于获得胃正常切片图像和已确诊的胃幽门螺旋杆菌感染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病理图...

【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，林黄靖，冯莉莉，窦琪，王平安，朱亚西，黄艳，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