基于多分类任务的甲状腺癌检出系统技术方案

本申请涉及智能化临床预研技术领域，其具体地公开了一种基于多分类任务的甲状腺癌检出系统，其采用基于深度学习的人工智能技术和计算机视觉技术，以通过使用双重注意力机制的卷积神经网络模型来提取甲状腺冰冻切片图像中聚焦于空间位置上和通道内容间的关于所述甲状腺冰冻切片的病变高维隐含特征分布信息，并以两者在高维空间中的融合分布信息作为多标签分类器的输入进行分类处理。这样，对于甲状腺冰冻切片的病变类型进行精准判断，以此推进人工智能在病理领域的临床预研工作。进人工智能在病理领域的临床预研工作。进人工智能在病理领域的临床预研工作。

【技术实现步骤摘要】
基于多分类任务的甲状腺癌检出系统


[0001]本申请涉及智能化临床预研
，且更为具体地，涉及一种基于多分类任务的甲状腺癌检出系统。

技术介绍

[0002]近几十年来，世界上多个国家的甲状腺癌发病率逐年上升。病理报告始终是甲状腺癌临床诊断和治疗的金标准，且精准的术中冰冻病理报告在患者确诊和治疗过程中具有重要的临床指导意义。然而，当前中国病理医生的床位覆盖率仅有0.55人/100床，面对接近饱和的病理医疗，专业病理医生的临床培养周期通常需要5～10年。
[0003]随着计算机视觉技术在医疗领域的快速发展，越来越多的人工智能技术在临床医疗领域中完全落地，即重复简单的临床工作交给人工智能，专家医生可专注于临床疑难病例和医疗难题的研究。同理，人工智能技术也提供了解决当前病理医生严重短缺问题的可能性。
[0004]因此，期待一种甲状腺癌检出系统。

技术实现思路

[0005]为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种基于多分类任务的甲状腺癌检出系统，其采用基于深度学习的人工智能技术和计算机视觉技术，以通过使用双重注意力机制的卷积神经网络模型来提取甲状腺冰冻切片图像中聚焦于空间位置上和通道内容间的关于所述甲状腺冰冻切片的病变高维隐含特征分布信息，并以两者在高维空间中的融合分布信息作为多标签分类器的输入进行分类处理。这样，对于甲状腺冰冻切片的病变类型进行精准判断，以此推进人工智能在病理领域的临床预研工作。
[0006]相应地，根据本申请的一个方面，提供了一种基于多分类任务的甲状腺癌检出系统，其包括：检测图像采集模块，用于获取的甲状腺冰冻切片图像；分辨率增强模块，用于将所述甲状腺冰冻切片图像通过基于自动编解码器的分辨率增强器以得到高分辨率甲状腺冰冻切片图像；空间特征提取模块，用于将所述高分辨率甲状腺冰冻切片图像通过使用空间注意力机制的卷积神经网络模型以得到第一甲状腺冰冻切片特征图；通道特征提取模块，用于将所述高分辨率甲状腺冰冻切片图像通过使用高效注意力机制的卷积神经网络模型以得到第二甲状腺冰冻切片特征图；特征融合模块，用于融合所述第一甲状腺冰冻切片特征图和所述第二甲状腺冰冻切片特征图以得到甲状腺冰冻切片特征图；特征校正模块，用于对所述甲状腺冰冻切片特征图进行特征分布结构校正以得到优化甲状腺冰冻切片特征图；以及多分类结果生成模块，用于将所述优化甲状腺冰冻切片特征图通过多标签分类器以得到分类结果，所述多标签分类器的类标签包括甲状腺冰冻切片为良性病变、甲状腺冰冻切片为恶性病变以及难以准确检测出恶性病变的甲状腺冰冻切片类型。
[0007]在上述基于多分类任务的甲状腺癌检出系统中，分辨率增强模块，包括：图像编码单元，用于将所述甲状腺冰冻切片图像输入所述基于自动编解码器的分辨率增强器的编码
器，其中，所述编码器使用卷积层对所述甲状腺冰冻切片图像进行显式空间编码以得到图像特征；以及，图像特征解码单元，用于将所述图像特征输入所述基于自动编解码器的分辨率增强器的解码器，其中，所述解码器使用反卷积层对所述图像特征进行反卷积处理以得到所述高分辨率甲状腺冰冻切片图像。
[0008]在上述基于多分类任务的甲状腺癌检出系统中，空间特征提取模块，进一步用于：使用所述卷积神经网络模型的卷积编码部分对所述高分辨率甲状腺冰冻切片图像进行深度卷积编码以得到初始卷积特征图；将所述初始卷积特征图输入所述卷积神经网络模型的空间注意力部分以得到空间注意力图；将所述空间注意力图通过Softmax激活函数以得到空间注意力特征图；以及，计算所述空间注意力特征图和所述初始卷积特征图的按位置点乘以得到所述第一甲状腺冰冻切片特征图。
[0009]在上述基于多分类任务的甲状腺癌检出系统中，通道特征提取模块，包括：深度卷积编码单元，用于将所述高分辨率甲状腺冰冻切片图像输入所述卷积神经网络模型的多层卷积层以得到卷积特征图；全局均值池化单元，用于计算所述卷积特征图的沿通道维度的各个特征矩阵的全局均值以得到通道特征向量；一维卷积编码单元，用于对所述通道特征向量进行一维卷积编码以得到通道关联特征向量；通道注意力权重计算单元，用于将所述通道关联特征向量输入所述Sigmoid激活函数以得到通道注意力权重向量；以及，通道注意力施加单元，用于以所述通道注意力权重向量中各个位置的特征值作为权重分别对所述卷积特征图的沿通道维度的各个特征矩阵进行加权以得到所述第二甲状腺冰冻切片特征图。
[0010]在上述基于多分类任务的甲状腺癌检出系统中，特征融合模块，进一步用于：以如下公式来融合所述第一甲状腺冰冻切片特征图和所述第二甲状腺冰冻切片特征图以得到甲状腺冰冻切片特征图；其中，所述公式为：其中，为所述甲状腺冰冻切片特征图，为所述第一甲状腺冰冻切片特征图，为所述第二甲状腺冰冻切片特征图，
“ꢀ”
表示所述第一甲状腺冰冻切片特征图和所述第二甲状腺冰冻切片特征图相对应位置处的元素相加，和为用于控制所述甲状腺冰冻切片特征图中所述第一甲状腺冰冻切片特征图和所述第二甲状腺冰冻切片特征图之间的平衡的加权参数。
[0011]在上述基于多分类任务的甲状腺癌检出系统中，特征校正模块，包括：特征图展开单元，用于将所述甲状腺冰冻切片特征图展开为甲状腺冰冻切片特征向量；特征向量优化单元，用于对所述甲状腺冰冻切片特征向量进行向量的有序希尔伯特完备化以得到优化甲状腺冰冻切片特征向量；以及，维度重构单元，用于将所述优化甲状腺冰冻切片特征向量进行维度重构以得到所述优化甲状腺冰冻切片特征图。
[0012]在上述基于多分类任务的甲状腺癌检出系统中，所述特征向量优化单元，进一步用于：以如下公式对所述甲状腺冰冻切片特征向量进行向量的有序希尔伯特完备化以得到所述优化甲状腺冰冻切片特征向量；其中，所述公式为：其中和分别是所述甲状腺冰冻切片特征向量和所述优化甲状腺冰冻切片特征向量，表示所述甲状腺冰冻切片特征向量的二范数的平方，是所述甲状腺冰冻切片特征向量的各特征值按大小次序排列的有序向量，
且所述甲状腺冰冻切片特征向量是列向量形式，表示向量相乘，表示按位置点乘。
[0013]在上述基于多分类任务的甲状腺癌检出系统中，多分类结果生成模块，包括：展开单元，用于将所述优化甲状腺冰冻切片特征图中各个优化甲状腺冰冻切片特征矩阵按照行向量或者列向量展开为一维特征向量后进行级联以得到分类特征向量；概率化单元，用于将所述分类特征向量输入所述分类器的Softmax分类函数以得到所述分类特征向量归属于各个类标签的概率值；以及，分类结果生成单元，用于将最大概率值对应的类标签确定为所述分类结果。
[0014]根据本申请的另一方面，还提供了一种基于多分类任务的甲状腺癌检出方法，其包括：获取的甲状腺冰冻切片图像；将所述甲状腺冰冻切片图像通过基于自动编解码器的分辨率增强器以得到高分辨率甲状腺冰冻切片图像；将所述高分辨率甲状腺冰冻切片图像通过使用空间注意力机制的卷积神经网络模型以得到第一甲状腺冰冻切片特征图；将所述高分辨率甲状腺冰冻切片图像通过使用高效注意力机制的卷积神经网络模本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多分类任务的甲状腺癌检出系统，其特征在于，包括：检测图像采集模块，用于获取的甲状腺冰冻切片图像；分辨率增强模块，用于将所述甲状腺冰冻切片图像通过基于自动编解码器的分辨率增强器以得到高分辨率甲状腺冰冻切片图像；空间特征提取模块，用于将所述高分辨率甲状腺冰冻切片图像通过使用空间注意力机制的卷积神经网络模型以得到第一甲状腺冰冻切片特征图；通道特征提取模块，用于将所述高分辨率甲状腺冰冻切片图像通过使用高效注意力机制的卷积神经网络模型以得到第二甲状腺冰冻切片特征图；特征融合模块，用于融合所述第一甲状腺冰冻切片特征图和所述第二甲状腺冰冻切片特征图以得到甲状腺冰冻切片特征图；特征校正模块，用于对所述甲状腺冰冻切片特征图进行特征分布结构校正以得到优化甲状腺冰冻切片特征图；以及多分类结果生成模块，用于将所述优化甲状腺冰冻切片特征图通过多标签分类器以得到分类结果，所述多标签分类器的类标签包括甲状腺冰冻切片为良性病变、甲状腺冰冻切片为恶性病变以及难以准确检测出恶性病变的甲状腺冰冻切片类型。2.根据权利要求1所述的基于多分类任务的甲状腺癌检出系统，其特征在于，分辨率增强模块，包括：图像编码单元，用于将所述甲状腺冰冻切片图像输入所述基于自动编解码器的分辨率增强器的编码器，其中，所述编码器使用卷积层对所述甲状腺冰冻切片图像进行显式空间编码以得到图像特征；以及图像特征解码单元，用于将所述图像特征输入所述基于自动编解码器的分辨率增强器的解码器，其中，所述解码器使用反卷积层对所述图像特征进行反卷积处理以得到所述高分辨率甲状腺冰冻切片图像。3.根据权利要求2所述的基于多分类任务的甲状腺癌检出系统，其特征在于，空间特征提取模块，进一步用于：使用所述卷积神经网络模型的卷积编码部分对所述高分辨率甲状腺冰冻切片图像进行深度卷积编码以得到初始卷积特征图；将所述初始卷积特征图输入所述卷积神经网络模型的空间注意力部分以得到空间注意力图；将所述空间注意力图通过Softmax激活函数以得到空间注意力特征图；以及计算所述空间注意力特征图和所述初始卷积特征图的按位置点乘以得到所述第一甲状腺冰冻切片特征图。4.根据权利要求3所述的基于多分类任务的甲状腺癌检出系统，其特征在于，通道特征提取模块，包括：深度卷积编码单元，用于将所述高分辨率甲状腺冰冻切片图像输入所述卷积神经网络模型的多层卷积层以得到卷积特征图；全局均值池化单元，用于计算所述卷积特征图的沿通道维度的各个特征矩阵的全局均值以得到通道特征向量；一维卷积编码单元，用于对所述通道特征向量进行一维卷积编码以得到通道关...

【专利技术属性】
技术研发人员：高力，陆晓筱，张路，席娉慧，俞富裕，
申请(专利权)人：杭州美腾科技有限公司，
类型：发明
国别省市：