一种基于深度学习的胃镜活检病理数据筛查系统和方法技术方案

本发明专利技术涉及一种基于深度学习的胃镜活检病理数据筛查系统，其特征在于，包括：图像预处理模块；训练数据集生成模块；由重建网络

A method of screening pathological data of gastroscopic biopsy based on in-depth learning

The invention relates to a gastroscopic biopsy pathological data screening system based on in-depth learning, which is characterized by image preprocessing module, training data set generation module and reconstruction network.

【技术实现步骤摘要】
一种基于深度学习的胃镜活检病理数据筛查系统和方法
本专利技术涉及一种基于深度学习的胃镜活检病理数据筛查系统和方法，属于图像处理和医学

技术介绍
胃癌是临床较为常见的一种消化系统肿瘤，是全球范围内位居消化道肿瘤发病率最高的癌种之一，在我国的发病率和死亡率则居首位。早期胃癌的5年生存率可达90％以上，因此提高早期胃癌的检出率对于改善胃癌患者预后极为重要。临床上对于胃癌的诊断主要依赖于电子内镜和组织的病理活检。其中，病理组织学检测是通过内镜下钳取活检或在手术中切除并制备成病理切片标本，置于光学显微镜下直接观察癌细胞。胃镜下病理活检是胃癌诊断的“金标准”。目前绝大部分的病理切片组织都是由人工取材和制片，然后由病理医生结合自身长期积累的临床经验来分析和判断。由于原始病理切片的图像尺寸十分庞大，一张40倍放大的电子病理切片通常由超过十亿个像素点组成。病理医生通常花费大量的时间检查细胞病理切片，需要在上亿级像素的病理图片中识别微小的癌细胞，工作强度非常大。由于胃癌组织的病理学分型繁多，并且病理切片形态复杂，使得经验不足的病理医生很容易对早期的胃癌漏诊和误诊。另外，专业病理医生的培养周期长本文档来自技高网...

【技术保护点】
1.一种基于深度学习的胃镜活检病理数据筛查系统，其特征在于，包括：图像预处理模块，对全尺寸的胃镜数字病理图像进行分块处理，实现对胃镜数字病理图像的取样，从而形成尺寸与条件生成对抗网络CGAN相匹配的样本图像集；训练数据集生成模块，利用图像预处理模块对分类结果已知的历史胃镜数字病理图像进行处理，获得用于模型训练的训练图像数据集；由重建网络

【技术特征摘要】
1.一种基于深度学习的胃镜活检病理数据筛查系统，其特征在于，包括：图像预处理模块，对全尺寸的胃镜数字病理图像进行分块处理，实现对胃镜数字病理图像的取样，从而形成尺寸与条件生成对抗网络CGAN相匹配的样本图像集；训练数据集生成模块，利用图像预处理模块对分类结果已知的历史胃镜数字病理图像进行处理，获得用于模型训练的训练图像数据集；由重建网络和鉴别网络组成的条件生成对抗网络CGAN，其中，重建网络用于利用输入的原始图像数据集产生重建图像，鉴别网络用于对重建网络输出的重建图像进行最终的得分判断，从而得到分类结果；由训练图像数据集对条件生成对抗网络CGAN进行训练后，再将通过图像预处理模块处理的实时的胃镜数字病理图像的样本图像集输入训练好的条件生成对抗网络CGAN，由条件生成对抗网络CGAN输出与当前胃镜数字病理图像相对应的阴性结果的得分值；阈值判断模块，基于条件生成对抗网络CGAN输出的得分值进行胃镜数字病理图像所对应切块样本的阴性、阳性判断，判断时将切块样本的分类信息进行聚类处理，从而完成胃镜数字病理图像的阴性和阳性判断。2.如权利要求1所述的一种基于深度学习的胃镜活检病理数据筛查系统，其特征在于，还包括胃镜数字病理图像库，胃镜数字病理图像库中存储有经过数据清洗的全尺寸的胃镜数字病理图像，通过数据清洗对胃镜数字病理图像中的缺损数据及信息错误数据进行清洗；所述图像预处理模块从胃镜数字病理图像库中获取胃镜数字病理图像进行处理后送入所述训练数据集生成模块。3.如权利要求2所述的一种基于深度学习的胃镜活检病理数据筛查系统，其特征在于，还包括数据获取模块，数据获取模块将从不同医院采集到的全尺寸的胃镜数字病理图像转换为统一的计算机易于处理的图像格式后，再对图像进行所述数据清洗，并将清洗后的图像存入所述胃镜数字病理图像库中。4.如权利要求1所述的一种基于深度学习的胃镜活检病理数据筛查系统，其特征在于，所述图像预处理模块先对全尺寸的胃镜数字病理图像进行彩色空间的归一化处理，随后对转换后的图像的色相值加入随机噪声，完成图像的染色处理，再利用滑窗取样算法对染色处理的图像进行取样实现胃镜数字病理图像的分块处理，对得到的所有分块图像进行形态学的处理，筛选出有效组织区域，剔除信息量小或者无效的小块，最终得到所述样本图像集。5.如权利要求1所述的一种基于深度学习的胃镜活检病理数据筛查系统，其特征在于，将所述训练图像数据集划分为训练集、验证集和测试集，先由训练集对所述条件生成对抗网络CGAN进行训练，再通过验证集验证所述条件生成对抗网络CGAN，最后通过测试集测试所述条件生成对抗网络CGAN，最终得到所述训练好的条件生成...

【专利技术属性】
技术研发人员：张敬谊，丁偕，李光亚，曹学香，王瑜，王晔，佘盼，
申请(专利权)人：万达信息股份有限公司，
类型：发明
国别省市：上海,31