利用神经网络的膀胱病变诊断方法及其系统技术方案

本发明专利技术公开一种利用神经网络的膀胱病变诊断方法及其系统。上述利用神经网络的膀胱病变诊断方法包括如下的步骤：膀胱病变诊断系统接收单位病理图像；上述膀胱病变诊断系统将上述单位病理图像输入到第一神经网络并从上述单位病理图像获取多个膀胱病变中第一膀胱病变的诊断结果；以及上述膀胱病变诊断系统将上述单位病理图像输入到第二神经网络并从上述单位病理图像获取上述多个膀胱病变中除上述第一膀胱病变之外的第二膀胱病变的诊断结果，上述第一神经网络是通过多个第一学习数据学习的神经网络，上述多个第一学习数据标注有表达上述第一膀胱病变的病变区域，上述第二神经网络是通过多个第二学习数据学习的神经网路，上述多个第二学习数据标注有是否表达上述第二膀胱病变中至少一个的表达病变种类，上述第二学习数据是未标注病变区域的数据。二学习数据是未标注病变区域的数据。二学习数据是未标注病变区域的数据。

【技术实现步骤摘要】
【国外来华专利技术】Global Overview and Recent Trends)。

技术实现思路

技术问题
[0014]本专利技术要实现的技术目的是提供如下的实现基于神经网络的诊断系统的技术思想，即，可通过用于膀胱癌的诊断及局部治疗方法的经尿道膀胱切除术获取的组织样本额外诊断各种膀胱病变。
[0015]并且，提供如下的技术思想，即，在这种诊断系统中，仅对于标注病变区域并进行学习的膀胱病变利用标注有限病变区域的学习数据来构建神经网络，对于剩余膀胱病变利用仅标注病变种类的学习数据来构建神经网络，从而提供构建诊断系统的效率。技术方案
[0016]用于实现上述目的的本专利技术实施例的利用神经网络的膀胱病变诊断方法的特征在于，包括如下的步骤：膀胱病变诊断系统接收单位病理图像；上述膀胱病变诊断系统将上述单位病理图像输入到第一神经网络并从上述单位病理图像获取多个膀胱病变中第一膀胱病变的诊断结果；以及上述膀胱病变诊断系统将上述单位病理图像输入到第二神经网络并从上述单位病理图像获取上述多个膀胱病变中除上述第一膀胱病变之外的第二膀胱病变的诊断结果，上述第一神经网络是通过多个第一学习数据学习的神经网络，上述多个第一学习数据标注有表达上述第一膀胱病变的病变区域，上述第二神经网络是通过多个第二学习数据学习的神经网络，上述多个第二学习数据标注有是否表达上述第二膀胱病变中至少一个的表达病变种类，上述第二学习数据是未标注病变区域的数据。
[0017]上述单位病理图像可以是将与通过经尿道膀胱切除术(transurenthral resection of bladder，TURB)获取的组织样本相应的病理图像按预定尺寸分割的补丁图像。
[0018]上述第一膀胱病变可包括尿路上皮原位癌(urothelial carcinoma in situ，CIS)病变。
[0019]上述第二膀胱病变可包括浸润性膀胱癌(invasive urothelial carcinoma)、低/高级别非浸润性乳头状尿路上皮癌(low/high grade noninvasive papillary urothelial carcinoma)病变、低度恶性潜能的乳头状尿路上皮肿瘤(papillary urothelial neoplasm of low malignant potential，PUNLMP)病变、恶性潜能未定的尿路上皮增生(urothelial proliferation of unknown malignant potential，UPUMP)病变、尿路上皮乳头状瘤(urothelial papilloma)病变、内翻性尿路上皮乳头状瘤(inverted urothelial papilloma)病变、尿路上皮异型增生(urothelial dysplasia)病变中的至少一种。
[0020]为了实现上述目的，利用神经网络的膀胱病变诊断系统包括如下的步骤：膀胱病变诊断系统接收单位病理图像；上述膀胱病变诊断系统将上述单位病理图像输入到第二神经网络并从上述单位病理图像获取多个膀胱病变中除第一膀胱病变之外的第二膀胱病变的诊断结果；以及上述膀胱病变诊断系统将上述单位病理图像输入到第一神经网络并从上述单位病理图像获取上述多个膀胱病变中上述第一膀胱病变的诊断结果，上述第一神经网络是通过多个第一学习数据学习的神经网络，上述多个第一学习数据标注有表达上述第一
膀胱病变的病变区域，上述第二神经网络是通过多个第二学习数据学习的神经网络，上述多个第二学习数据标注有是否表达上述第二膀胱病变中至少一个的表达病变种类，上述第二学习数据是未标注病变区域的数据。
[0021]上述方法可通过存储在计算机可读记录介质的计算机程序来实现。
[0022]根据本专利技术的另一实施方式，利用神经网络的膀胱病变诊断系统包括：处理器；以及存储器，记录通过上述处理器执行的程序，上述处理器通过驱动上述程序来将单位病理图像输入到第一神经网络并从上述单位病理图像获取多个膀胱病变中第一膀胱病变的诊断结果，将上述单位病理图像输入到第二神经网络并从上述单位病理图像获取上述多个膀胱病变中除上述第一膀胱病变之外的第二膀胱病变的诊断结果，上述第一神经网络是通过多个第一学习数据学习的神经网络，上述多个第一学习数据标注有表达上述第一膀胱病变的病变区域，上述第二神经网络是通过多个第二学习数据学习的神经网络，上述多个第二学习数据标注有是否表达上述第二膀胱病变中至少一个的表达病变种类，上述第二学习数据是未标注病变区域的数据。专利技术的效果
[0023]基于本专利技术的技术思想，其效果在于，通过用于膀胱癌的诊断及局部治疗方法的经尿道膀胱切除术获取的组织样本可以额外诊断各种膀胱病变的基于神经网络的诊断系统并通过经尿道膀胱切除术不仅可以诊断膀胱癌，还可以诊断各种膀胱病变。
[0024]并且，在诊断系统的构建中，仅对于标注病变区域并进行学习的膀胱病变利用标注有限病变区域的学习数据来构建神经网络，对于剩余膀胱病变利用仅标注病变种类的学习数据来构建神经网络，从而具有可以有效地构建诊断系统的效果。
附图说明
[0025]为了更充分理解本专利技术在具体说明时所使用的附图，在此提供各附图的简要说明。
[0026]图1为用于说明用于实现基于本专利技术的技术思想的利用神经网络的膀胱病变诊断方法的简要系统的图。
[0027]图2为用于说明基于本专利技术的技术思想的利用神经网络的膀胱病变诊断系统的逻辑结构的图。
[0028]图3为用于说明基于本专利技术的技术思想的利用神经网络的膀胱病变诊断系统的物理结构的图。
[0029]图4为用于说明基于本专利技术的技术思想的利用神经网络的膀胱病变诊断方法的概念的图。
[0030]图5示出用于说明基于本专利技术的技术思想的利用神经网络的膀胱病变诊断方法的流程图。
具体实施方式
[0031]为了通过本专利技术和本专利技术的工作上的优点及本专利技术的实施充分理解本专利技术的目的，需参照例示了本专利技术优选实施例的附图及所附附图中记载的内容。
[0032]并且，在本说明书中，在任一结构要素将数据“传送”到另一结构要输的情况下，上
述结构要素是指可将上述数据直接传送到上述另一结构要素，也可以通过至少一个又一结构要素将上述数据传送到上述其他结构要素。相反，如果任一结构要素将数据“直接传送”到另一结构要素，则是指上述数据传送到上述其他结构要素，而不是在上述结构要素中通过其他结构要素。
[0033]以下，参照所附附图，将对本专利技术的优选实施例进行说明，从而对本专利技术进行详细说明。在各附图中提出的相同的附图标记表示相同的部件。
[0034]图1为用于说明用于实现基于本专利技术的技术思想的利用神经网络的膀胱病变诊断方法的简要系统的图。
[0035]参照图1，基于本专利技术的技术思想的利用神经网络的膀胱病变诊断方法(以下，诊断系统100)可通过设置于预定的服务器10来实现本专利技术的技术思想。上述服务器10可以是指用于实现本专利技术的技术思想的具有运算能力的数据处理器，通常，本专利技术所属
的本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种利用神经网络的膀胱病变诊断方法，其特征在于，包括如下的步骤：膀胱病变诊断系统接收单位病理图像；上述膀胱病变诊断系统将上述单位病理图像输入到第一神经网络并从上述单位病理图像获取多个膀胱病变中第一膀胱病变的诊断结果；以及上述膀胱病变诊断系统将上述单位病理图像输入到第二神经网络并从上述单位病理图像获取上述多个膀胱病变中除上述第一膀胱病变之外的第二膀胱病变的诊断结果，上述第一神经网络是通过多个第一学习数据学习的神经网络，上述多个第一学习数据标注有表达上述第一膀胱病变的病变区域，上述第二神经网络是通过多个第二学习数据学习的神经网络，上述多个第二学习数据标注有是否表达上述第二膀胱病变中至少一个的表达病变种类，上述第二学习数据是未标注病变区域的数据。2.根据权利要求1所述的利用神经网络的膀胱病变诊断方法，其特征在于，上述单位病理图像是将与通过经尿道膀胱切除术获取的组织样本相应的病理图像按预定尺寸分割的补丁图像。3.根据权利要求1所述的利用神经网络的膀胱病变诊断方法，其特征在于，上述第一膀胱病变包括尿路上皮原位癌病变。4.根据权利要求1所述的利用神经网络的膀胱病变诊断方法，其特征在于，上述第二膀胱病变包括浸润性膀胱癌、低/高级别非浸润性乳头状尿路上皮癌病变、低度恶性潜能的乳头状尿路上皮肿瘤病变、恶性潜能未定的尿路上皮增生病变、尿路上皮乳头状瘤病变、内翻性尿路上皮乳头状瘤病变、尿路上皮异型增生病变中的至少一种。5.一种利用神经网络的膀胱病变诊断方法，其特征在于，包括如下的步骤：膀胱病变诊断系统接收单位病理图像；上述膀胱病变诊断系统将上述单位病理图像输入到第二神经网络并从上述单...

【专利技术属性】
技术研发人员：白寅暎，郭兌荣，金善禹，
申请(专利权)人：第一百欧有限公司，
类型：发明
国别省市：