【技术实现步骤摘要】
用于宫颈图像的分析管理的装置和方法、设备及存储介质
本公开涉及宫颈图像分析
,更具体地,涉及一种用于宫颈图像的分析管理的装置和方法、设备及计算机可读存储介质。
技术介绍
宫颈癌是最常见的妇科恶性肿瘤,且近年来其发病率有低龄化趋势,全世界每年子宫颈癌新发病例52.8万,死亡病例26.6万,其中,85%的宫颈癌死亡病例发生在普查率低的低中等收入地区。此外,宫颈癌是一种可以预防并治愈的疾病,并且早期治愈率可以达到90%。因此,早期的筛查和诊断是防治宫颈癌的关键。基于病理形态学的宫颈癌筛查和诊断方法有宫颈细胞学、免疫组化和宫颈组织学。传统的病理形态学的宫颈癌筛查和诊断方法主要依赖于医生的人工阅片,工作量大、工作效率低,而且容易误诊/漏诊。近年来,随着人工智能技术的发展,可以通过自动拍摄病理图像,并自动分析和识别异常细胞来实现宫颈病理图像的智能分析,从而有效地减少了医生诊断的工作量,并提高了诊断的准确率。然而,现有的基于深度学习的宫颈筛查分析系统仅提供单一的基于TBS报告系统的液基细胞学图像分析。由于细胞学制片染色方法多样、制片不规范等问题对人工智能(ArtificialIntelligence,AI)液基细胞学图像分析引入诸多不确定因素,此外诸如腺癌、萎缩、化疗等特殊病例AI分析容易发生误诊漏诊。这些问题给现有的宫颈智能筛查分析系统的普及应用带来了很大的挑战。
技术实现思路
提供了本公开以解决现有技术中存在的上述问题。本公开需要一种用于宫颈图像的分析管理的装置和方法、 ...
【技术保护点】
1.一种用于宫颈图像的分析管理的装置,其特征在于,所述装置包括至少一个处理器,所述至少一个处理器配置为:/n获取受检者的宫颈液基细胞图像和可选的宫颈细胞免疫组化图像及可选的宫颈组织学图像;/n基于所获取的各个图像进行自动分析,得到第一分析结果和可选的第二分析结果及可选的第三分析结果;以及/n基于所述第一分析结果和可选的所述第二分析结果及可选的所述第三分析结果,生成分析报告,/n其中,所述基于所获取的各个图像进行自动分析,得到第一分析结果和可选的第二分析结果及可选的第三分析结果,包括:/n基于所获取的宫颈液基细胞图像并利用第一学习网络确定基于TBS的所述第一分析结果;/n基于所获取的宫颈细胞免疫组化图像并利用第二学习网络确定所述第二分析结果;/n基于所获取的宫颈组织学图像并利用第三学习网络确定所述第三分析结果。/n
【技术特征摘要】
1.一种用于宫颈图像的分析管理的装置,其特征在于,所述装置包括至少一个处理器,所述至少一个处理器配置为:
获取受检者的宫颈液基细胞图像和可选的宫颈细胞免疫组化图像及可选的宫颈组织学图像;
基于所获取的各个图像进行自动分析,得到第一分析结果和可选的第二分析结果及可选的第三分析结果;以及
基于所述第一分析结果和可选的所述第二分析结果及可选的所述第三分析结果,生成分析报告,
其中,所述基于所获取的各个图像进行自动分析,得到第一分析结果和可选的第二分析结果及可选的第三分析结果,包括:
基于所获取的宫颈液基细胞图像并利用第一学习网络确定基于TBS的所述第一分析结果;
基于所获取的宫颈细胞免疫组化图像并利用第二学习网络确定所述第二分析结果;
基于所获取的宫颈组织学图像并利用第三学习网络确定所述第三分析结果。
2.根据权利要求1所述的装置,其特征在于,所述装置还包括:
接收部,其配置为接收所述受检者的宫颈液基细胞玻片和可选的宫颈细胞免疫组化玻片及可选的宫颈组织学玻片;以及
采集部,其配置为采集所接收的宫颈液基细胞玻片和可选的宫颈细胞免疫组化玻片及可选的宫颈组织学玻片的图像,
其中,所述至少一个处理器进一步配置为:
将所采集的各个图像自动分类为所述宫颈液基细胞图像和可选的所述宫颈细胞免疫组化图像及可选的所述宫颈组织学图像中的对应类别。
3.根据权利要求1所述的装置,其特征在于,所述至少一个处理器进一步配置为:
接收来自用户的报告模式的选择;以及
基于所述用户所选择的报告模式,生成独立报告和联合报告中的至少一个,其中,所述独立报告包括分别基于所述第一分析结果、所述第二分析结果和所述第三分析结果独立生成的第一分析报告、第二分析报告和第三分析报告,所述联合报告为基于所述第一分析结果、所述第二分析结果和所述第三分析结果以融合方式生成的报告。
4.根据权利要求1所述的装置,其特征在于,所述宫颈细胞免疫组化图像和所述宫颈组织学图像是针对同一组癌症特异性基因和/或抗原进行染色所获得的图像。
5.根据权利要求4所述的装置,其特征在于,所述同一组癌症特异性基因和/或抗原包括P16基因和/或Ki67抗原。
6.根据权利要求2所述的装置,其特征在于,所述采集部进一步配置为对各个玻片分部地执行图像采集,所述至少一个处理器进一步配置为:
在所述采集部对所述各个玻片的各个部分进行图像采集的情况下,并行地执行所采集的图像的部分的自动分析;以及
对所述各个玻片的各个部分的自动分析结果进行融合处理,得到所述各个玻片的分析结果。
7.根据权利要求2所述的装置,其特征在于,所述至少一个处理器进一步配置为:
基于所述图像中的对象的颜色,将所述宫颈液基细胞图像与所述宫颈细胞免疫组化图像区分开;以及
基于所述图像中的对象的形态,将所述宫颈液基细胞图像和所述宫颈细胞免疫组化图像与所述宫颈组织学图像区分开。
8.根据权利要求1至7中任一项所述的装置,其特征在于,所述第一学习网络、所述第二学习网络和所述第三学习网络具有相同的多元化的分析类别,所述第二分析结果和所述第三分析结果分别是所述第二学习网络和所述第三学习网络的分析类别的二元化分析结果。
9.根据权利要求1至7中任一项所述的装置,其特征在于,所述第一学习网络、所述第二学习网络和所述第三学习网络共享至少部分的学习网络,且联合训练。
10.一种用于宫颈图像的分析管理的方法,其特征在于,所述方法包括:
由至少一个处理器,获取受检者的宫颈液基细胞图像和可选的宫颈细胞免疫组化图像及可选的宫颈组织学图像;
由所述至少一个处理器,基于所获取的各个图像进行自动分析,得到第一分析结果和可选的第二分析结果及可选的第三分析结果;以及
由所述...
【专利技术属性】
技术研发人员:宋敏敏,赵鹏飞,龚业勇,李育威,曹坤琳,宋麒,
申请(专利权)人:深圳科亚医疗科技有限公司,
类型:发明
国别省市:广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。