一种甲状腺细胞辅助诊断方法、设备和存储介质技术

本发明专利技术公开了一种甲状腺细胞辅助诊断方法、设备和存储介质，方法包括以下步骤：制作甲状腺细胞数字涂片，所述数字涂片上有若干个甲状腺细胞；通过分类网络对甲状腺细胞进行分类，识别细胞类型，所述细胞类型包括甲状腺乳头状癌和甲状腺滤泡上皮细胞；对细胞类型为甲状腺乳头状癌和甲状腺滤泡上皮细胞的甲状腺细胞进行细胞核分割，提取细胞核特征；根据细胞核特征识别数字涂片的整体癌变程度。本发明专利技术针对甲状腺穿刺细胞学涂片进行全片分析，识别所有可疑的病变细胞，可最大程度减少漏诊误诊情况；另一方面采用统一诊断标准学习大量甲状腺穿刺细胞学涂片样本，诊断结果可靠且客观性强，广泛应用于甲状腺诊断治疗中。广泛应用于甲状腺诊断治疗中。广泛应用于甲状腺诊断治疗中。

【技术实现步骤摘要】
一种甲状腺细胞辅助诊断方法、设备和存储介质


[0001]本专利技术涉及计算机视觉和深度学习领域，尤其是一种甲状腺细胞辅助诊断方法、设备和存储介质。

技术介绍

[0002]甲状腺穿刺细胞学诊断是国内外指南推荐作为术前评估甲状腺结节良恶性的最佳方案，术前进行甲状腺穿刺检测能够有效减少非必要的甲状腺手术、最大程度降低患者的身心创伤并减少医疗资源浪费。但由于病理医生缺乏等问题，部分基层医院未开展该项检查，仍然使用传统的诊断方法进行诊断。然而随着甲状腺结节发病率的不断攀升，镜下阅片的方式很难承载现有的甲状腺穿刺细胞学诊断工作；同时由于人工误操作，容易出现误诊漏诊、过度治疗、标准不一等情况，传统的人工诊断方式越来越不能满足客观需求。

技术实现思路

[0003]有鉴于此，本专利技术实施例提供一种甲状腺细胞辅助诊断方法、设备和存储介质。
[0004]本专利技术的第一方面提供了一种甲状腺细胞辅助诊断方法，包括以下步骤：
[0005]制作甲状腺细胞数字涂片，所述数字涂片上有若干个甲状腺细胞；
[0006]通过分类网络对甲状腺细胞进行分类，识别细胞类型，所述细胞类型包括甲状腺乳头状癌和甲状腺滤泡上皮细胞；
[0007]对细胞类型为甲状腺乳头状癌和甲状腺滤泡上皮细胞的甲状腺细胞进行细胞核分割，提取细胞核特征；
[0008]根据细胞核特征识别数字涂片的整体癌变程度。
[0009]进一步地，所述制作甲状腺细胞数字涂片，具体包括：
[0010]获取甲状腺细胞玻片，通过巴氏染色方法对玻片进行染色；
[0011]使用全切片扫描技术，基于甲状腺细胞玻片制作甲状腺细胞数字涂片。
[0012]进一步地，通过分类网络对甲状腺细胞进行分类之前，所述一种甲状腺细胞辅助诊断方法还包括以下步骤：
[0013]以甲状腺细胞为中心，将数字涂片划分为多个patch块；
[0014]根据细胞数量对patch块进行分级，分级包括一级细胞、二级细胞和三级细胞；其中，一级细胞表示散落的单个甲状腺细胞；二级细胞表示小于预设阈值的甲状腺细胞组成的细胞团；三级细胞表示大于预设阈值的甲状腺细胞组成的细胞团。
[0015]进一步地，所述通过分类网络对甲状腺细胞进行分类，识别细胞类型，具体包括：
[0016]根据甲状腺细胞病理学Bethesda报告系统的解析数据，建立分类指标，
[0017]使用Efficientnet
‑
v2分类网络，根据所述分类指标，对甲状腺细胞进行分类；其中，对一级细胞、二级细胞和三级细胞使用不同的分类指标进行细胞分类。
[0018]进一步地，所述细胞核分割，具体包括以下步骤：
[0019]通过StarDist分割模型，识别甲状腺细胞中的星状凸面多边形；
[0020]将识别到的星状凸面多边形确定为细胞核，将细胞核从甲状腺细胞的细胞膜和细胞质中分割。
[0021]进一步地，所述提取细胞核特征，具体包括：
[0022]通过核分类模型提取细胞核特征，所述核分类模型包括卷积神经网络，细胞核特征包括浅层信息和深层信息；其中浅层信息用于描述细胞核的形态结构，包括核沟和假包涵体；深层信息用于描述细胞核的语义信息。
[0023]进一步地，所述根据细胞核特征识别数字涂片的整体癌变程度，具体包括以下步骤：
[0024]比较数字涂片中甲状腺乳头状癌与甲状腺滤泡上皮细胞的数量；
[0025]计算甲状腺乳头状癌的数量是否超过预设第一门限值；
[0026]计算核沟和假包涵体的数量是否超过预设第二门限值；
[0027]当甲状腺乳头状癌数量大于甲状腺滤泡上皮细胞的数量、甲状腺乳头状癌的数量超过第一门限值且核沟和假包涵体的数量超过预设第二门限值时，输出阳性结果；
[0028]否则，输出阴性结果。
[0029]进一步地，所述一种甲状腺细胞辅助诊断方法通过以下训练得到：
[0030]收集甲状腺病理学切片，以切片中甲状腺标本图像作为目标细胞进行标注；标注信息包括细胞的坐标信息和类别信息；
[0031]以标注的细胞为为中心截取多个patch块；将多个patch块按8:1:1比例划分为训练集、验证集和测试集；
[0032]将训练集输入Efficientnet
‑
v2分类网络中进行训练，得到细胞分类结果；
[0033]将训练集输入StarDist分割模型进行训练，得到分割细胞核作为核分类模型测试图片；
[0034]对测试图片进行半自动标注，输入核分类模型中得到核分类结果；
[0035]设定逻辑规则，根据核分类结果给出数字涂片的整体癌变程度诊断结果。
[0036]本专利技术第二方面公开了一种电子设备，包括处理器以及存储器；
[0037]所述存储器用于存储程序；
[0038]所述处理器执行所述程序实现一种甲状腺细胞辅助诊断方法。
[0039]10.一种计算机可读存储介质，所述存储介质存储有程序，所述程序被处理器执行实现一种甲状腺细胞辅助诊断方法。
[0040]本专利技术具有如下有益效果：本专利技术一种甲状腺细胞辅助诊断方法、设备和存储介质针对甲状腺穿刺细胞学涂片进行全片分析，识别所有可疑的病变细胞，可最大程度减少漏诊误诊情况；另一方面采用统一诊断标准学习大量甲状腺穿刺细胞学涂片样本，诊断结果可靠且客观性强。本专利技术可大幅度提高诊断速度，提高病理医生的工作效率，广泛应用于甲状腺诊断治疗中。
[0041]本专利技术的附加方面和优点将在下面的描述部分中给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。
附图说明
[0042]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使
用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0043]图1是本专利技术一种甲状腺细胞辅助诊断方法的基本流程。
具体实施方式
[0044]为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
[0045]本实施例介绍了一种甲状腺细胞辅助诊断方法的基本流程，如图1所示，包括以下步骤：
[0046]S1.制作甲状腺细胞数字涂片，所述数字涂片上有若干个甲状腺细胞。
[0047]步骤S1具体包括：
[0048]S1
‑
1:获取甲状腺细胞玻片，通过巴氏染色方法对玻片进行染色；
[0049]S1
‑
2:使用全切片扫描技术，基于甲状腺细胞玻片制作甲状腺细胞数字涂片。
[0050]本实施例中自临床病理诊断中获取数字涂片，使用巴氏染色方法染色后，使用全切片扫描技术(whole slide 本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种甲状腺细胞辅助诊断方法，其特征在于，包括以下步骤：制作甲状腺细胞数字涂片，所述数字涂片上有若干个甲状腺细胞；通过分类网络对甲状腺细胞进行分类，识别细胞类型，所述细胞类型包括甲状腺乳头状癌和甲状腺滤泡上皮细胞；对细胞类型为甲状腺乳头状癌和甲状腺滤泡上皮细胞的甲状腺细胞进行细胞核分割，提取细胞核特征；根据细胞核特征识别数字涂片的整体癌变程度。2.根据权利要求1所述的一种甲状腺细胞辅助诊断方法，其特征在于，所述制作甲状腺细胞数字涂片，具体包括：获取甲状腺细胞玻片，通过巴氏染色方法对玻片进行染色；使用全切片扫描技术，基于甲状腺细胞玻片制作甲状腺细胞数字涂片。3.根据权利要求1所述的一种甲状腺细胞辅助诊断方法，其特征在于，通过分类网络对甲状腺细胞进行分类之前，所述一种甲状腺细胞辅助诊断方法还包括以下步骤：以甲状腺细胞为中心，将数字涂片划分为多个patch块；根据细胞数量对patch块进行分级，分级包括一级细胞、二级细胞和三级细胞；其中，一级细胞表示散落的单个甲状腺细胞；二级细胞表示小于预设阈值的甲状腺细胞组成的细胞团；三级细胞表示大于预设阈值的甲状腺细胞组成的细胞团。4.根据权利要求3所述的一种甲状腺细胞辅助诊断方法，其特征在于，所述通过分类网络对甲状腺细胞进行分类，识别细胞类型，具体包括：根据甲状腺细胞病理学Bethesda报告系统的解析数据，建立分类指标，使用Efficientnet
‑
v2分类网络，根据所述分类指标，对甲状腺细胞进行分类；其中，对一级细胞、二级细胞和三级细胞使用不同的分类指标进行细胞分类。5.根据权利要求1所述的一种甲状腺细胞辅助诊断方法，其特征在于，所述细胞核分割，具体包括以下步骤：通过StarDist分割模型，识别甲状腺细胞中的星状凸面多边形；将识别到的星状凸面多边形确定为细胞核，将细胞核从甲状腺细胞的细胞膜和细胞质中分割。6.根据权利要求1所述的一种甲状腺细胞辅助诊断方法，其...

【专利技术属性】
技术研发人员：李胜男，尚滨，彭铃淦，朱火彪，
申请(专利权)人：广州锟元方青医疗科技有限公司，
类型：发明
国别省市：