一种基于卷积神经网络的食管癌病理图像自动甄别装置及其甄别方法制造方法及图纸

本发明专利技术公开了一种基于卷积神经网络的食管癌病理图像自动甄别装置及其甄别方法，该装置包括图像采集模块、图像处理模块、数据存储模块、迁移学习模块、网络训练模块和甄别模块。本发明专利技术所述的甄别方法包括以下步骤：1、图像采集模块采集病理图像，构建食管癌病理切片图像库；2、通过图像处理模块对各病理图像库进行扩充；3、利用扩充后的预训练网络病理图像数据集完成迁移学习；4、在习得的卷积神经网络结构上，用扩充后的食管癌病理图像数据集训练网络并微调权值，得到判别的网络模型，用甄别模块实现智能化判别。本发明专利技术克服了因缺乏大型公开、已标记的食管癌病理图像数据集作为训练样本导致的深度学习过程中易出现的过拟合问题，提高识别率。

【技术实现步骤摘要】
一种基于卷积神经网络的食管癌病理图像自动甄别装置及其甄别方法
本专利技术涉及一种食管癌病理切片图像的自动甄别装置及其甄别方法，尤其涉及一种基于卷积神经网络的食管癌病理图像自动甄别装置及其甄别方法。
技术介绍
根据统计数据显示，近年来癌症发病率逐年增长。以江苏省淮安市为例，恶性肿瘤的死亡率高达164.57/10万(标化死亡率138.20/10万)，高于全国平均水平39％。而恶性肿瘤中致死率第一位的是食管癌，其死亡率占癌症死亡率的49.53％。食管癌高发病率的原因除了外在的易致癌的环境性因素和不良的饮食习惯以外，与疾病发现的不及时有很大关系。食管癌发现时大多都已处于中晚期，早期诊断准确率不够高，在治疗的最佳阶段无法及时得到治疗。因此，对食管癌的早期诊断非常关键，如果能够在癌症初期发现病症，存活率将会高出10倍。通过活体组织检查进行确切诊断，是目前食道病变的影像学检查方法中，被认为最可靠、最权威的病理诊断方法。组织病理学图像分析是癌症诊断的金标准。病理医生通过对病理切片进行镜检，完成病理诊断和预后评估。病理诊断是肉眼观察器官的改变、在镜下观察器官组织结构以及细胞的病变特性的一种疾病诊断手段本文档来自技高网...

【技术保护点】
1.一种基于卷积神经网络的食管癌病理图像自动甄别装置，其特征在于：包括图像采集模块，采集食管肿瘤组织病理图像，构建食管癌病理切片图像库；图像处理模块，对各图像库中的病理图像进行旋转、缩放、镜像及其组合操作，按良性或者恶性标注标签并分成良性肿瘤图像数据集BD和恶性肿瘤图像数据集MD；数据存储模块，将经由图像处理模块处理得到的数据集BD和MD中的图像进行合并，完成数据集的扩充，对扩充后的预训练网络病理图像数据集BH和扩充后的食管癌病理图像数据集EC进行存储；迁移学习模块，利用数据存储模块中的数据集BH进行迁移学习，得到深度神经网络的初始化结构和权值；网络训练模块，以数据集BH迁移学习得到的网络结构...

【技术特征摘要】
1.一种基于卷积神经网络的食管癌病理图像自动甄别装置，其特征在于：包括图像采集模块，采集食管肿瘤组织病理图像，构建食管癌病理切片图像库；图像处理模块，对各图像库中的病理图像进行旋转、缩放、镜像及其组合操作，按良性或者恶性标注标签并分成良性肿瘤图像数据集BD和恶性肿瘤图像数据集MD；数据存储模块，将经由图像处理模块处理得到的数据集BD和MD中的图像进行合并，完成数据集的扩充，对扩充后的预训练网络病理图像数据集BH和扩充后的食管癌病理图像数据集EC进行存储；迁移学习模块，利用数据存储模块中的数据集BH进行迁移学习，得到深度神经网络的初始化结构和权值；网络训练模块，以数据集BH迁移学习得到的网络结构和权值作初值，用扩充后的食管癌病理图像数据集EC对网络进行有监督训练，并对参数进行微调，获得适于判别食管癌图像的网络结构和权值；甄别模块，在训练好的食管癌病理切片图像集网络上，将其测试集图像输入网络，检测装置对病理图片的判别能力，再将待诊断的图片输入网络，经过网络判别给出良性或恶性肿瘤的判别结果。2.根据权利要求1所述的一种基于卷积神经网络的食管癌病理图像自动甄别装置，其特征在于：所述的图像采集模块对食管癌病理影像进行采集，包括鳞状细胞癌、腺癌两种类型食管癌，以及食管、贲门粘膜组织慢性炎症的病理切片图像，存储到构建的食管癌病理切片图像库中。3.根据权利要求1所述的一种基于卷积神经网络的食管癌病理图像自动甄别装置，其特征在于：所述的图像处理模块用高清晰度全自动彩色图像分析系统采集并对阳性染色面积及染色强度进行分析，采用双盲法判读结果，由两位病理医师独立读片评定，根据评定的良、恶性结果，将对应的图片标注良(B)、恶(M)标签，构建病理图片库，再对图像库中的图像进行旋转、缩放、镜像操作及其组合操作对图片库扩充，并根据标签，将变换后的图像分别存入对应的良性肿瘤图像数据集BD和恶性肿瘤图像数据集MD。4.根据权利要求3所述的一种基于卷积神经网络的食管癌病理图像自动甄别装置，其特征在于：所述旋转、缩放、镜像操作及其组合操作包括：(1)图像旋转操作：(11)以图像的中心为原点，以图像旋转前后的夹角为旋转角度，将图像沿中心分别旋转±90°、±180°、±270°，若旋转的角度大于0°，按照逆时针方向旋转，小于0°，按顺时针方向旋转；(12)利用最近邻法对旋转后的图像进行邻域插值，以保证旋转后生成的图像完整；(13)根据图片标注的良性或恶性标签，将旋转后的图像，分别存入对应的良性肿瘤图像数据集BD和恶性肿瘤图像数据集MD；(2)图像缩放操作:(21)以双线性插值的方式对图像的行、列插值，实现对图像沿x轴和y轴方向同时按比例缩小、按比例放大，以清晰显示为准；(22)将缩放后的图像，按标签存入良性肿瘤图像数据集BD或恶性肿瘤图像数据集MD；(3)镜像操作：(31)以竖直中线为中心轴左右对换，对图像进行水平镜像操作；(32)以水平中线为中心轴上下对换，对图像进行垂直镜像操作；(33)将镜像操作后的图像，按标签存入良性肿瘤图像数据集BD或恶性肿瘤图像数据集MD；(4)对缩放后的图像进行旋转操作，旋转角度分别设定为±90°、±180°、±270°，再按标签存入良性肿瘤图像数据集BD或恶性肿瘤图像数据集MD；(5)对缩放后的图像进行镜像操作，再按标签存入良性肿瘤图像数据集BD或恶性肿瘤图像数据集MD；(6)将良性肿瘤图像数据集BD和恶性肿瘤图像数据集MD中的图像合并为扩充后的数据集。5.根据权利要求1所述的一种基于卷积神经网络的食管癌病理图像自动甄别装置，其特征在于：所述的...

【专利技术属性】
技术研发人员：相林，李冠男，马甲林，
申请(专利权)人：淮阴工学院，
类型：发明
国别省市：江苏,32