一种急性髓系白血病亚型的AI辅助诊断系统技术方案

本发明专利技术公开一种急性髓系白血病亚型的AI辅助诊断系统，包括：诊断模型训练模块，其被配置为：采用第一数据集对检测网络模型进行训练和测试，得到训练后的检测网络模型；采用第二数据集对融合模型进行训练和测试，得到训练后的分类网络模型；细胞分类模块，其被配置为：结合待诊断骨髓涂片的多视野图像和训练后的检测网络模型，进行图像中有核细胞的定位，得到每张图像中所有有核细胞的矩形边界框结果；根据检测得到的矩形框结果自动分割出的单个有核细胞和训练后的融合模型，得到有核细胞的分类；结果诊断模块，其被配置为：对分类后的有核细胞计数，计算各类细胞的比例，根据医学上血液病分类标准，完成对急性髓系白血病亚型的诊断。断。断。

【技术实现步骤摘要】
一种急性髓系白血病亚型的AI辅助诊断系统


[0001]本专利技术涉及数据处理
，特别是涉及一种急性髓系白血病亚型的AI辅助诊断系统。

技术介绍

[0002]本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
[0003]急性髓系白血病(Acute myeloid leukemia，AML)是髓系造血干/祖细胞恶性疾病，以外周血或骨髓中原始和幼稚髓系细胞异常增生为主要特征。AML属于白血病的一种类型，病因复杂，对人体生命健康危害较大。流行病学显示，AML可发生于各个年龄段，是成年人最常见的急性白血病，占小儿白血病的30％，其发病率随年龄增加而增长。根据医学上FAB形态学分型，AML可分为M0
‑
M7八种亚型，每种亚型以不同类别细胞的异常增殖为特征。鉴于AML的威胁和复杂性，早期准确诊断对其治疗至关重要。
[0004]目前对包括AML在内的各种白血病的诊断建立在骨髓细胞形态学检验的基础之上。首先医生对患者进行骨髓穿刺获取抽吸液，然后用染色剂将其中细胞染色、在载玻片上涂片，之后通过电子显微镜进行观察。检验人员会先在低倍镜下选择多个合适的视野，然后分别调至高倍镜按照细胞种类、发育阶段进行计数，一般总共统计200个有核细胞，最后计算各类细胞占比，根据血液病分类标准做出诊断。由此可见，人工镜检的方式费时费力，十分考验检验人员的专业技术水平，而且细胞之间细微的差异容易导致识别错误，以及主观因素会导致不同人员识别的差异性。
[0005]随着数字成像技术的发展，高分辨率骨髓显微图像可以更加方便地数字化表示，同时促进了图像处理相关算法在智能化细胞形态学检验方面的应用。近年来一些研究先使用传统算法分割出单个细胞，然后提取颜色、纹理、几何等特征，输入分类器对其进行分类。然而，实际的骨髓涂片中细胞之间具有团聚、重叠等现象，传统分割方法获得单细胞比较困难，对传统特征工程带来噪声干扰，从而使得分类不够精准。随着深度学习的发展，一些更先进的自动特征学习的模型被应用于骨髓细胞的分类，例如各种卷积网络(CNN)。尽管如此，相关研究仍然存在一些问题。首先，用于网络训练的样本量较少；其次，不同分化阶段的细胞差异甚微，对网络的识别带来困难；然后，CNN网络泛化能力较弱，在未知数据集表现较差；最后，有些研究追求模型精度而忽视了运算效率。血液病的诊断除细胞分类外，还要考虑其数量比例。在兼具细胞分类计数的研究中，大都使用单阶段的YOLO检测网络，然而随着难度较大的细胞类别的增加，标注工作量将会增大，而且仅使用单一网络会出现漏检、误检等问题。正是由于以上存在的各种问题，许多相关研究只集中于AML的识别，而诊断更具体以及更多的AML亚型仍然比较困难。
[0006]综上所述，现有的AML诊断方法主要基于骨髓细胞形态学检验，存在着以下几点不足：1)人工镜检的方式费时费力，考验检验员专业水平，主观性较强，容易导致识别错误；2)基于传统图像算法的诊断，对于骨髓片中细胞成团现象，难以得到单细胞图像，而且手动提
取特征比较麻烦，分类不够精准；3)基于深度学习的诊断方法，存在着训练数据量少和类别不均衡、网络泛化能力弱、单一网络检测多类别细胞难度大、缺乏具体多个亚型的诊断等问题。

技术实现思路

[0007]为了解决上述问题，本专利技术提出了一种急性髓系白血病亚型的AI辅助诊断系统，其首先，使用轻量化目标检测网络对骨髓显微图像中的有核细胞进行检测；之后，将得到的单个细胞输入到一种轻量的融合模型进行具体的类型识别；最后，结合患者高倍镜下多个视野，统计检测到的各类细胞数量，计算比例，根据疾病分类标准完成AML亚型的诊断。
[0008]为了实现上述目的，本专利技术采用如下技术方案：
[0009]第一方面，本专利技术提供一种急性髓系白血病亚型的AI辅助诊断系统，包括：
[0010]数据集获取模块，其被配置为：获取骨髓显微图像和骨髓单细胞图像；对骨髓显微图像进行标注形成第一数据集，对骨髓单细胞图像进行标注形成第二数据集；
[0011]诊断模型训练模块，其被配置为：采用第一数据集对检测网络模型进行训练和测试，得到训练后的检测网络模型；采用第二数据集对融合模型进行训练和测试，得到训练后的分类网络模型；
[0012]细胞分类模块，其被配置为：结合待诊断骨髓涂片的多视野图像和训练后的检测网络模型，进行图像中有核细胞的定位，得到每张图像中所有有核细胞的矩形边界框结果；根据检测得到的矩形框结果自动分割出的单个有核细胞和训练后的融合模型，得到有核细胞的分类结果；
[0013]诊断模块，其被配置为：对分类后的有核细胞计数，计算各类细胞的比例，根据医学上血液病分类标准，完成对急性髓系白血病亚型的诊断。
[0014]第二方面，本专利技术提供一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成一种急性髓系白血病亚型的AI辅助诊断方法，所述方法包括：
[0015]获取骨髓显微图像和骨髓单细胞图像；对骨髓显微图像进行标注形成第一数据集，对骨髓单细胞图像进行标注形成第二数据集；
[0016]采用第一数据集对检测网络模型进行训练和测试，得到训练后的检测网络模型；采用第二数据集对融合模型进行训练和测试，得到训练后的分类网络模型；
[0017]结合待诊断骨髓涂片的多视野图像和训练后的检测网络模型，进行图像中有核细胞的定位，得到每张图像中所有有核细胞的矩形边界框结果；根据检测得到的矩形框结果自动分割出的单个有核细胞和训练后的融合模型，得到有核细胞的分类结果；
[0018]对分类后的有核细胞计数，计算各类细胞的比例，根据医学上血液病分类标准，完成对急性髓系白血病亚型的诊断。
[0019]第三方面，本专利技术提供一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成一种急性髓系白血病亚型的AI辅助诊断方法，所述方法包括：
[0020]获取骨髓显微图像和骨髓单细胞图像；对骨髓显微图像进行标注形成第一数据集，对骨髓单细胞图像进行标注形成第二数据集；
[0021]采用第一数据集对检测网络模型进行训练和测试，得到训练后的检测网络模型；
采用第二数据集对融合模型进行训练和测试，得到训练后的分类网络模型；
[0022]结合待诊断骨髓涂片的多视野图像和训练后的检测网络模型，进行图像中有核细胞的定位，得到每张图像中所有有核细胞的矩形边界框结果；根据检测得到的矩形框结果自动分割出的单个有核细胞和训练后的融合模型，得到有核细胞的分类结果；
[0023]对分类后的有核细胞计数，计算各类细胞的比例，根据医学上血液病分类标准，完成对急性髓系白血病亚型的诊断。
[0024]与现有技术相比，本专利技术的有益效果为：
[0025](1)本专利技术通过用轻量化目标检测网络对骨髓显微图像中的有核细胞进行检测；将得到的单个细胞输入到一种轻量的融合模型进行具体的类型识别；结合患者高倍镜下多个视野，统计检本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种急性髓系白血病亚型的AI辅助诊断系统，其特征在于，包括：数据集获取模块，其被配置为：获取骨髓显微图像和骨髓单细胞图像；对骨髓显微图像进行标注形成第一数据集，对骨髓单细胞图像进行标注形成第二数据集；诊断模型训练模块，其被配置为：采用第一数据集对检测网络模型进行训练和测试，得到训练后的检测网络模型；采用第二数据集对融合模型进行训练和测试，得到训练后的分类网络模型；细胞分类模块，其被配置为：结合待诊断骨髓涂片的多视野图像和训练后的检测网络模型，进行图像中有核细胞的定位，得到每张图像中所有有核细胞的矩形边界框结果；根据检测得到的矩形框结果自动分割出的单个有核细胞和训练后的融合模型，得到有核细胞的分类结果；诊断模块，其被配置为：对分类后的有核细胞计数，计算各类细胞的比例，根据医学上血液病分类标准，完成对急性髓系白血病亚型的诊断。2.如权利要求1所述的一种急性髓系白血病亚型的AI辅助诊断系统，其特征在于，所述系统还包括数据预处理模块，其被配置为：分别对第一数据集和第二数据集进行划分以及数据增强。3.如权利要求1所述的一种急性髓系白血病亚型的AI辅助诊断系统，其特征在于，所述检测网络模型的构建过程为：通过backbone中的CBS、ELAN等模块进行特征提取，之后通过neck部分进行特征融合，最后通过3个head输出不同尺度下预测的矩形框信息、前景置信度分数以及类别概率。4.如权利要求1所述的一种急性髓系白血病亚型的AI辅助诊断系统，其特征在于，所述检测网络模型训练时，采用的优化损失函数包括：矩形框损失、置信度损失和分类损失。5.如权利要求1所述的一种急性髓系白血病亚型的AI辅助诊断系统，其特征在于，所述融合模型的构建过程为：在CNN网络的基础上，引入ViT模型，将单独的CNN和ViT网络分别在第二数据集上进行训练，之后将二者输出的类别概率进行两种方式的融合。6.如权利要求5所述的一种急性髓系白血病亚型的AI辅助诊断系统，其特征在于，所述CNN网络使用MobileNetV3
‑
large网络，所述ViT采用ViT
‑
r
‑
s16
‑
p8网络。7.如权利要求5所述的一种急性髓系白血病亚型的AI辅助诊断系统，其特征在于，所述单独的CNN和ViT网络分别...

【专利技术属性】
技术研发人员：韩民，杨光辉，
申请(专利权)人：山东大学，
类型：发明
国别省市：