一种基于深度学习的阴道镜图像分类计算机辅助诊断系统和方法技术方案

本发明专利技术提供一种基于深度学习的阴道镜图像分类计算机辅助诊断系统和方法，属于医学图像处理和疾病诊断技术领域。本发明专利技术开发并验证了基于深度学习的计算机辅助诊断模型，以对阴道镜图像的宫颈病变进行分类。基于ResNet50模型和临床因素构建上述阴道镜图像分类计算机辅助诊断系统，经实验证明，其与专业阴道镜医生相比显示出更好的诊断性能，可以为阴道镜医师提供客观的诊断依据，具有潜在的临床应用价值。

【技术实现步骤摘要】
一种基于深度学习的阴道镜图像分类计算机辅助诊断系统和方法
本专利技术属于医学图像处理和疾病诊断
，具体涉及一种基于深度学习的阴道镜图像分类计算机辅助诊断系统和方法。
技术介绍
公开该
技术介绍
部分的信息仅仅旨在增加对本专利技术的总体背景的理解，而不必然被视为承认或以任何形式暗示该信息构成已经成为本领域一般技术人员所公知的现有技术。宫颈癌是女性恶性肿瘤中第四大发病率和死亡率。2018年，全世界估计有570,000例新病例，有311,000例死亡。人乳头瘤病毒(HPV)感染是宫颈癌的主要原因。全球子宫颈癌的发病率和死亡率存在很大差异。低收入和中等收入国家的发病率是发达国家的7-10倍，部分原因是各个地区存在着筛查和预防的差异。迄今为止，解决HPV疫苗接种和子宫颈筛查的障碍仍然是大多数国家(尤其是中低收入国家(LMIC))面临的主要挑战。针对人乳头瘤病毒(HPV)的疫苗接种和使用筛查进行二级预防是早期发现和治疗宫颈癌的有效策略。宫颈上皮内瘤变分为低级别上皮内肿瘤(LSIL)和高级别上皮内肿瘤(HSIL)。细胞学和HPV检测相结合已本文档来自技高网...

【技术保护点】
1.一种基于深度学习的阴道镜图像分类计算机辅助诊断系统，其特征在于，包括：/n图像捕获设备，其中所述图像捕获设备捕获阴道的一个或多个图像；/n存储器，其中存储捕获的一个或多个图像；和，/n处理器，所述处理器与所述存储器通信，其中所述处理器执行存储在所述存储器中的计算机能够读的指令，所述指令使所述处理器使用所捕获的一个或多个图像对所述阴道的病理情况进行分类。/n

【技术特征摘要】
1.一种基于深度学习的阴道镜图像分类计算机辅助诊断系统，其特征在于，包括：
图像捕获设备，其中所述图像捕获设备捕获阴道的一个或多个图像；
存储器，其中存储捕获的一个或多个图像；和，
处理器，所述处理器与所述存储器通信，其中所述处理器执行存储在所述存储器中的计算机能够读的指令，所述指令使所述处理器使用所捕获的一个或多个图像对所述阴道的病理情况进行分类。


2.如权利要求1所述的系统，其特征在于，所述图像捕获设备包括相机，优选的，所述图像捕获设备为阴道镜相机。


3.如权利要求1所述的系统，其特征在于，对所述阴道的病理情况进行分类采用自动识别异常的深度学习模型；
优选的，所述深度学习模型包括神经网络，所述神经网络包括AlexNet、VGGNet、InceptionNet、ResNet中的任意一个或多个，进一步优选为ResNet。


4.如权利要求3所述的系统，其特征在于，所述深度学习模型是基于神经网络中的一个或多个，对捕获的宫颈图像进行训练得到的；
优选的，在训练时，对宫颈图像进行预处理，进一步优选的，所述预处理包括选择一个或多个图像中的感兴趣区域；其中，所述感兴趣区域为可疑病变区域的感兴趣区域，所述可疑病变包括宫颈癌、低度鳞状上皮内病变、高度鳞状上皮内病变。


5.如权利要求3所述的系统，其特征在于，所述异常包括宫颈癌、低度鳞状上皮内病变、高度鳞状上皮内病变。


6.如权利要求1所述的系统，其特征在于，所述系统还包括：
元数据采集单元，用于收集元数据，所述元数据包括受试者的年龄、细胞学、HPV、妊娠、胎次、避孕，优选为细胞学和HPV；
所述元数据采集单元将所述元数据采集并传输至所述存储器中，并由所述处理器运行多变量逻辑回归分类器模型，使用多变量分析方法将深度学习输出结果与元数据结...

【专利技术属性】
技术研发人员：张友忠，刘露，陈威，贾琳，孟丽华，杨子焱，钱秋红，刘洪丽，韩赛，李艺，
申请(专利权)人：山东大学齐鲁医院，
类型：发明
国别省市：山东;37