一种基于深度学习的数字病理图像智能分析方法技术

本发明专利技术公开了一种基于深度学习的数字病理图像智能分析方法，包括以下步骤：S1：收集各个科室病理图像，并对图像进行分类处理；S2：将图像扫描并上传到计算机，存储在病理图像的数据库，由相关科室的专家对病理图像种病变的区域进行标注并提取，从而获取病变图像的数据库；S3：对数据库内的图像进行预处理，获得算法训练数据库；S4：对算法训练数据库中的病理图像进行分析和学习，获得自动诊断模型和数字病理图像检索模型，从而形成智能分析系统；S5：获取临床数字病理切片数据，对其进行图像扫描并上传到计算机；S6：通过智能分析系统对临床的病理数据进行分析。本发明专利技术，可获得准确的分析系统，从而减小结果的误差，提高分析的准确性。

【技术实现步骤摘要】
一种基于深度学习的数字病理图像智能分析方法
本专利技术涉及病理图像智能分析
，具体是一种基于深度学习的数字病理图像智能分析方法。
技术介绍
目前肿瘤病理诊断和后期统计分析是基于病理医生工作经验和知识积累完成分析,其评判结果容易受主观性影响，癌症的亚型分类较多，部分亚型之间也有类似的特征，而且大量病理数据人工分析不仅耗时，并且过度疲劳也很容易影响分析结论。根据国际上最新临床研究成果表明，人工对H&E肿瘤细胞核的统计分析很容易产生误差，细胞核百分比统计过错评估高达45％，而且分析结果因病理医生不同有很大的差异性，对于同一肿瘤，操作者间差异性10％-95％动态变化范围，很容易造成假阴性诊断结果。分析结果不准确将直接影响患者的治疗方案，这给患者带来极大生命危险。病理检查是目前临床癌症诊断的金标准。病理医生的癌症诊断主要依赖于通过显微镜捕获的组织样本图像的视觉检查。然而对于病理医生来说，需要结合自己长期积累的临床分析经验来判断例如鼻炎癌病理切片中是否有癌变，该方法不仅费时，而且对医生的专业知识要求极高。近年来，随着人工智能技术的快速本文档来自技高网...

【技术保护点】
1.一种基于深度学习的数字病理图像智能分析方法，其特征在于：包括以下步骤：/nS1：收集各个科室病理图像，并对图像进行分类处理；/nS2：将图像扫描并上传到计算机，存储在病理图像的数据库，由相关科室的专家对病理图像种病变的区域进行标注并提取，从而获取病变图像的数据库；/nS3：对数据库内的图像进行预处理，获得算法训练数据库；/nS4：对算法训练数据库中的病理图像进行分析和学习，获得自动诊断模型和数字病理图像检索模型，从而形成智能分析系统；/nS5：获取临床数字病理切片数据，对其进行图像扫描并上传到计算机；/nS6：通过智能分析系统对临床的病理数据进行分析，并将结果传输给医生，辅助医生判断；/n...

【技术特征摘要】
1.一种基于深度学习的数字病理图像智能分析方法，其特征在于：包括以下步骤：
S1：收集各个科室病理图像，并对图像进行分类处理；
S2：将图像扫描并上传到计算机，存储在病理图像的数据库，由相关科室的专家对病理图像种病变的区域进行标注并提取，从而获取病变图像的数据库；
S3：对数据库内的图像进行预处理，获得算法训练数据库；
S4：对算法训练数据库中的病理图像进行分析和学习，获得自动诊断模型和数字病理图像检索模型，从而形成智能分析系统；
S5：获取临床数字病理切片数据，对其进行图像扫描并上传到计算机；
S6：通过智能分析系统对临床的病理数据进行分析，并将结果传输给医生，辅助医生判断；
S7：医生可根据临床实际的结果，可修订算法训练数据库，并更新自动诊断模型和数字病理图像检索模型，从而形成实时智能分析系统。


2.根据权利要求1所述的一种基于深度学习的数字病理图像智能分析方法，其特征在于：所述步骤S1中对于图像的分类处理是按照科室的种类以及疾病的类别进行分类。


3.根据权利要求1所述的一种基于深度学习的数字病理图像智能分析方法，其特征在于：所述步骤S2中识别数字病理图像数据库中的数字病理图像数据，剔除无法进行辨别的数字病理图像数据，并对删除后剩余的数字病理图像数据合理统一处理。


4.根据权利要求3所述的一种基于...

【专利技术属性】
技术研发人员：钱光武，
申请(专利权)人：您好人工智能技术研发昆山有限公司，
类型：发明
国别省市：江苏;32