一种用于病变区域复原图的辅助诊断系统和方法技术方案

本发明专利技术提供了一种用于病变区域复原图的辅助诊断系统和方法，辅助诊断系统包括：技师取材端、医师端、分析系统和服务器，技师取材端、医师端与服务器通信连接，服务器与分析系统连接；其中：技师取材端对病理组织的大体图拍照、对大体图上的刀痕进行识别与编号，并通过服务器将病理组织的切片上传到分析系统；分析系统自动对病理组织的切片进行智能分析，画出病变区域，并给出病变区域的标注结果；医生端对标注结果进行审核、修改和确认，并通过服务器上传到分析系统，分析系统根据经确认的病变区域的标注结果自动生成复原图。技师取材端、医师端、分析系统和服务器构成整套的自动化处理系统，能够自动化地完成大体复原图，提升工作效率。

An Auxiliary Diagnostic System and System for Restoration Map of Lesion Areas

【技术实现步骤摘要】
一种用于病变区域复原图的辅助诊断系统和方法
本专利技术涉及医疗
，特别涉及一种用于病变区域复原图的辅助诊断系统和方法。
技术介绍
随着内镜微创技术的发展，越来越多的早期胃癌、肠癌、食管癌、癌前病变及胃肠黏膜下疾病可完全在内镜下予以切除，免除了更大的手术创伤，这就是内镜黏膜下剥离术(endoscopicsubmucosaldissection，ESD)。该治疗具有不改变消化道解剖结构、不开刀、体表无创口、创伤小、出血少、恢复快等优势，是近年来国际、国内最新兴起的内窥镜下微创治疗手段之一，适用于食管、胃、十二指肠等上消化道及结、直肠的黏膜下良性肿瘤、黏膜的早期癌变以及具有癌变倾向病变的切除治疗。因其特殊的微创优势，得到广大医生及患者的推崇，是消化道黏膜及黏膜下病变治疗的新兴发展趋势。剥离后的病变组织送病理检验，部分医院的病理科会有专门针对消化科的ESD诊断组，病理科支援消化科对其进行病理分析。做完病理检验后，需要将病理结果复原到大体图上，以从病理角度判断ESD手术是否切缘完全，并确定病灶范围、性质以及浸润深度。目前，剥离后的组织送到病理科后，技师将组织切割，并对组织大体图进行拍照后，将每一个刀痕对应的组织制备成病理切片，交予病理医生。一张病理切片包含一条到多条刀痕所对应的组织样本，病理医生通过显微镜对切片进行观察，用尺子手动测量、估算大概距离，将癌变区域手工复原到组织的大体图上，人工操作效率低，且准确率差。而且，在组织的处理中，存在大量的不确定因素，诸如大体高反光、高彩度背景、大体占比太小、背景复杂度高、数据维度与长宽比多样性高、大体角度不固定、大体位置不固定、大体数量不固定、图像亮度、白平衡方差过大等。
技术实现思路
本专利技术提供一种用于病变区域复原图的辅助诊断系统和方法，用以自动化地完成病变区域的大体复原图，大幅提升病理医生的工作效率。本专利技术提供了一种用于病变区域复原图的辅助诊断系统，所述用于病变区域复原图的辅助诊断系统包括：技师取材端、医师端、分析系统和服务器，所述技师取材端、所述医师端与所述服务器通信连接，所述服务器与所述分析系统连接，其中：所述技师取材端用于对病理组织的大体图进行拍照、对所述大体图上的刀痕进行识别与编号，并通过所述服务器将所述病理组织的切片上传到所述分析系统；所述分析系统用于自动对所述切片进行智能分析，画出病变区域，并给出所述病变区域的标注结果；所述医生端用于对所述标注结果进行审核、修改和确认，并通过所述服务器上传到所述分析系统，所述分析系统根据经所述医生端确认的所述病变区域的标注结果自动生成复原图。优选地，所述技师取材端包括刀痕识别模块，用于对所述大体图上的刀痕进行识别。优选地，所述技师取材端通过深度卷积神经网络对所述大体图上的刀痕进行识别。优选地，所述分析系统包括算法模块和还原模块，所述算法模块用于采集所述医生端确认的所述病变区域的标注结果的信息，所述还原模块用于对所述算法模块采集的信息进行规整，将所述医生端的标注结果还原到所述大体图上。优选地，所述分析系统采用线性投影的智能算法生成所述复原图。优选地，所述用于病变区域复原图的辅助诊断系统还包括与所述分析系统连接的扫描仪，用于对所述病理组织的切片进行扫描。本专利技术实施例提供的一种用于病变区域复原图的辅助诊断系统，具有以下有益效果：技师取材端、医师端、分析系统和服务器构成了整套的自动化处理系统，能够自动化地完成病变区域的大体复原图，大幅提升病理医生的工作效率，使用人工智能辅助的自动化复原系统，能够快速、定量化地获得预期效果。本专利技术还提供了一种用于病变区域复原图的辅助诊断方法，所述方法执行以下步骤：步骤1：对病理组织的大体图进行拍照、对所述大体图上的刀痕进行识别与编号，并将所述病理组织的切片上传；步骤2：自动对所述切片进行智能分析，画出病变区域，并给出所述病变区域的标注结果；步骤3：对所述标注结果进行审核、修改和确认；步骤4：根据经确认的所述病变区域的标注结果自动生成复原图。进一步地，在所述步骤1中，采用刀痕识别模块对所述大体图上的刀痕进行识别。进一步地，在所述步骤1中，通过深度神经网络对所述大体图上的刀痕进行识别。进一步地，在所述步骤4中，采用线性投影的智能算法生成所述复原图。进一步地，在将所述病理组织的切片上传之前，所述步骤1还包括对所述切片进行扫描的步骤。进一步地，在所述步骤2中，所述分析系统对所述切片进行智能分析的具体步骤如下所述：所述分析系统中存在一个学习数据库，所述学习数据库中有N个H*L像素的学习样本图像，且所述每个样本均标注有是否为癌变图像，对于确定为癌变图像的学习样本图像标注有癌变像素点区域，提取所述每张学习样本图像的灰度化后的像素点，形成像素矩阵M，并利用公式(1)将所述N个像素矩阵转变为一个矩阵X：Xi,h+(l-1)*H＝Mi,h,l(1)其中，Xi,h+(l-1)*H为矩阵X的第i行h+(l-1)*H列的值，Mi,h,l为第i个像素矩阵的第h行l列的值，i＝1、2、3……N、h＝1、2、3……H、l＝1、2、3……L，每个学习样本图像标注的是否有癌变形成标注向量Y，Yi为向量Y的第i个值，即为第i个学习样本图像是否为癌变图像，若是癌变图像则所述值为1，不是则所述值为2；步骤S1202、利用公式(2)对矩阵X进行第一次学习，得到学习误差值；f(Xi,W)＝Xi*W+Xi.2其中，ones(H*L,2)为生成一个H*L行2列的，全是1的矩阵，W为学习矩阵，f(Xi,W)＝Xi*W+Xi.2为X和W的f映射为Xi*W+Xi.2，L为计算的误差值，Xi为矩阵X的第i列的值，Xi.2为向量Xi的所有值取平方，f(Xi,W)j为f(Xi,W)的第j个位置的值，j为3-Yi，f(Xi,W)Yi为f(Xi,W)的第Yi个位置的值,Wk,t为矩阵W的第k行t列的值，i＝1、2、3……N；步骤S1203、利用公式(3)调整学习矩阵W；为L对Wk,t求偏导，Wk,t为矩阵K的第k行t列的值，WSk,t为求偏导后得到的值，K＝1、2、3……H*L,t＝1、2,|WSk,t|为对WSk,t求绝对值，利用公式(3)可以对矩阵W的值进行调整；步骤S1204、将调整后的W带入方程(4)，求解出相应的L2；其中，L2为调整后计算的误差值，步骤S1205、统计W的调整次数，判断所述调整次数是否达到10万次，若达到，则学习结束，输出相应的W，若未达到，则重复步骤S1203到步骤S1205，直至所述调整次数达到10万次后输出相应的W；步骤S1206、将所述切片缩放为H*L像素的缩放切片，然后将所述缩放切片进行灰度化并获取像素矩阵XS，并利用公式(5)得到缩放切片向量A；Ah+(l-1)*H＝XSh,l(5)其中，Ah+(l-1)*H为向量A的第h+(l-1)*H个值，XSh,l为矩阵XS的第h行第l列的值，将所述向量A带入公式(6)计算出检测向量P；[A1、A2…AL*H]*W＝[P1、P2](6)其中，At为向量A的第t个指标的值，P1、P2为向量P的值，若P1≥P2则所述切片有癌变，继续步骤S1207，否则所述切片没有癌变，继续步骤S1208；步骤S1207、对于确定为癌变图像的切片，将所述切片的像素矩阵XS分别与学习数据库中，标注本文档来自技高网...

【技术保护点】
1.一种用于病变区域复原图的辅助诊断系统，其特征在于，所述用于病变区域复原图的辅助诊断系统包括：技师取材端、医师端、分析系统和服务器，所述技师取材端、所述医师端与所述服务器通信连接，所述服务器与所述分析系统连接，其中：所述技师取材端用于对病理组织的大体图进行拍照、对所述大体图上的刀痕进行识别与编号，并通过所述服务器将所述病理组织的切片上传到所述分析系统；所述分析系统用于自动对所述切片进行智能分析，画出病变区域，并给出所述病变区域的标注结果；所述医生端用于对所述标注结果进行审核、修改和确认，并通过所述服务器上传到所述分析系统，所述分析系统根据经所述医生端确认的所述病变区域的标注结果自动生成复原图。

【技术特征摘要】
1.一种用于病变区域复原图的辅助诊断系统，其特征在于，所述用于病变区域复原图的辅助诊断系统包括：技师取材端、医师端、分析系统和服务器，所述技师取材端、所述医师端与所述服务器通信连接，所述服务器与所述分析系统连接，其中：所述技师取材端用于对病理组织的大体图进行拍照、对所述大体图上的刀痕进行识别与编号，并通过所述服务器将所述病理组织的切片上传到所述分析系统；所述分析系统用于自动对所述切片进行智能分析，画出病变区域，并给出所述病变区域的标注结果；所述医生端用于对所述标注结果进行审核、修改和确认，并通过所述服务器上传到所述分析系统，所述分析系统根据经所述医生端确认的所述病变区域的标注结果自动生成复原图。2.如权利要求1所述的用于病变区域复原图的辅助诊断系统，其特征在于，所述技师取材端包括刀痕识别模块，用于对所述大体图上的刀痕进行识别。3.如权利要求2所述的用于病变区域复原图的辅助诊断系统，其特征在于，所述技师取材端通过深度卷积神经网络对所述大体图上的刀痕进行识别。4.如权利要求1所述的用于病变区域复原图的辅助诊断系统，其特征在于，所述分析系统包括算法模块和还原模块，所述算法模块用于采集所述医生端确认的所述病变区域的标注结果的信息，所述还原模块用于对所述算法模块采集的信息进行规整，将所述医生端的标注结果还原到所述大体图上。5.如权利要求4所述的用于病变区域复原图的辅助诊断系统，其特征在于，所述分析系统采用线性投影的智能算法生成所述复原图。6.如权利要求1所述的用于病变区域复原图的辅助诊断系统，其特征在于，所述用于病变区域复原图的辅助诊断系统还包括与所述分析系统连接的扫描仪，用于对所述病理组织的切片进行扫描。7.一种用于病变区域复原图的辅助诊断方法，其特征在于，所述方法执行以下步骤：步骤1：对病理组织的大体图进行拍照、对所述大体图上的刀痕进行识别与编号，并将所述病理组织的切片上传；步骤2：自动对所述切片进行智能分析，画出病变区域，并给出所述病变区域的标注结果；步骤3：对所述标注结果进行审核、修改和确认；步骤4：根据经确认的所述病变区域的标注结果自动生成复原图。8.如权利要求7所述的用于病变区域复原图的辅助诊断方法，其特征在于，在所述步骤1中，采用刀痕识别模块对所述大体图上的刀痕进行识别。9.如权利要求7所述的用于病变区域复原图的辅助诊断方法，其特征在于，在所述步骤1中，通过深度神经网络对所述大体图上的刀痕进行识别。10.如权利要求7所述的用于病变区域复原图的辅助诊断方法，其特征在于，在所述步骤4中，采用线性投影的智能算法生成所述复原图。11.如权利要求7所述的用于病变区域复原图的辅助诊断方法，其特征在于，在将所述病理组织的切片上传之前，所述步骤1还包括对所述切片进行扫描的步骤。12.如权利要求7所述的用于病变区域复原图的辅助诊断方法，其特征在于，在所述步骤2中，所述分析系统对所述切片进行智能分析的具体步骤如下所述：所述分析系统中存在一个学习数据库，所述学习数据库中有N个H*L像素的学习样本图像，且所述每个样本均标注有是否为癌变图像，对于确定为癌变图像的学习样本图像标注有癌变像素点区域，提...

【专利技术属性】
技术研发人员：王书浩，潘立超，顾健白，陆遥，
申请(专利权)人：透彻影像北京科技有限公司，
类型：发明
国别省市：北京,11