该发明专利技术公开了一种“基于膀胱非尿路上皮癌亚型的人工智能辅助诊疗决策系统”。系统包括图片采集、颜色处理、形状处理、组合处理和输出处理子系统。所述系统通过人工智能学习，来提高病理诊断人员对膀胱非尿路上皮癌的诊断准确性。手术后，系统分析HE染色的病理切片，认证膀胱癌区域。随后，系统识别不同轮廓的膀胱非尿路上皮癌区域图像，深度加工、合成，成为人工智能认证模型的输入，输出认证结果。多层区域的识别结果为病理诊断人员提供辅助，阐述膀胱非尿路上皮癌的多层区域识别结果。系统旨在通过技术手段预处理切片，找到AI识别的信号，协助提高病理诊断准确性。
【技术实现步骤摘要】
本专利技术属于辅助医疗诊断系统和人工智能相结合的新型领域，具体涉及膀胱非尿路上皮癌的亚型的识别认证，广泛涉及到膀胱非尿路上皮癌的亚型的自主识别，人工智能的深度自主学习以及计算机程序指令介质的实现。
技术介绍
1、目前应用于临床的膀胱癌诊治方式逐渐成熟，但是膀胱癌病人生存率仍然很消极，其中膀胱非尿路上皮癌的亚型发生率正在逐渐提高并且伴随着高死亡率的特点。诊断膀胱癌的方法主要包括b超，ct，核磁共振以及尿脱落细胞学检查等。如果泌尿系彩超发现膀胱内有肿块，则高度怀疑膀胱肿瘤可能，需要进一步做增强ct或者核磁共振检查。对于较小的膀胱癌，应用ct检查是没有优势的，它甚至不能够发现肿瘤。而对于膀胱癌进行ct诊断，它所谓的优势是对膀胱癌的直径、大小以及位置进行判断。除此以外，还能够对膀胱周围的组织情况进行判断，可以观察一下膀胱组织的浸润深度，可以观察周围是否存在转移的淋巴结。此外，核磁共振检查可以检查膀胱癌，如果想清晰地确诊可以做实验室检查，包括尿脱落细胞学检查。能对肿瘤的确定有着明显的帮助。但遗憾的是，这些诊断方法对于尿路上皮癌和非尿路上皮癌仍不能很好的区分。而病理诊断虽然作为诊断尿路上皮癌和非尿路上皮癌的金标准，但是由于病理医师的主观性以及部分地区缺乏对膀胱非尿路上皮癌的阅片数量以及对膀胱非尿路上皮癌的病理形态等的认知。这时一个新的辅助诊断系统来帮助病理诊断是很有必要的。事实上，膀胱非尿路上皮癌的亚型的早期诊断尤为重要，因为很多患者在第一次诊断时就已经是晚期状态，如果能提前诊断膀胱非尿路上皮癌的亚型的话，对患者的生存率会有着很好的提升。</p>2、现在对膀胱癌细胞的识别通常通过以下几个方面来鉴别：首先膀胱癌的细胞核偏大，一般细胞核与细胞质的比例比正常细胞大；其次，膀胱癌的细胞的形状不规则，正常细胞外形为圆形或者椭圆形；此外，膀胱癌的细胞核内染色质出现团块，正常细胞核内染色质均匀。这些特征可以分别提取出来进行鉴别，当处理图像时，通过提取出来的膀胱癌细胞的特点分析，有益于找到正确的识别不同类型的规则，进而在细胞涂片中辨认细胞是否有癌变。
3、基于三维掩模-区域卷积神经网络的膀胱非尿路上皮癌筛查方法，用于膀胱非尿路上皮癌的筛查。这种诊断方式主要通过人工智能能进行大规模数据的分析以及整合归纳的优势来进行的。在2020年已经有一项关于人工智能辅助前列腺癌诊断的文章发表在国际知名杂志柳叶刀肿瘤上，该文章回顾了2年半左右的患者病理标本来进行人工智能的诊断，其诊断率比病理诊断医师的不相上下，甚至在某些方面超过病理诊断。但是其主要诊断前列腺腺癌，对于前列腺癌亚型的诊断并不充分。
4、现有技术用于膀胱非尿路上皮癌的亚型的精准识别和诊断方法主要就是依靠专业病理医师的诊断，而这种诊断方式不但对病理医师的专业素养要求极高，同时也需要病理医师不能有太强的主观性。
技术实现思路
1、本专利技术目的是为了解决现有诊断中病理医师诊断的一些局限性，包括病理医师的主观性，病理医师大量阅片后很难集中阅读到切片边角以及细微处的亚型肿瘤形态以及部分区域病理医师专业知识的缺乏，针对人工智能的自主学习能力，提出一种基于自学习人工智能的膀胱非尿路上皮癌的亚型的自动化识别系统。
2、人工智能针对膀胱非尿路上皮癌诊断的识别，包括神经网络模型和深度学习模型可以克服上述的缺点，人工智能的初步诊断和识别率可能稍微低下，但是它拥有快速的学习能力并对新的诊断进行加深学习。需要克服的缺点包括对不同组织样本学习后如何使人工智能同时适应模板的特点来进一步优化；并且需要解决如何处理自主学习和更新静态模型。而我们的人工智能模型主要针对膀胱非尿路上皮癌，这对帮助病理医师的诊断是不可估量的。我们第一步是寻找膀胱非尿路上皮癌细胞的回归框，第二步对疑似膀胱非尿路上皮癌细胞进行分类，寻找类似癌灶的结节。基于三维掩模-区域卷积神经网络对癌细胞进行检测，并使之能够适用于病理数据。
3、本专利技术的技术方案
4、基于膀胱非尿路上皮癌的亚型的人工智能辅助诊疗决策系统，包括：图片采集子系统，图片颜色处理子系统，图片形状处理子系统，图片组合处理子系统和图片输出处理子系统；
5、图片采集子系统：用于收集膀胱非尿路上皮癌手术后的术中冰冻病理切片图像和术后常规病理切片图像，对这些图像进行编号，并进行第一预处理操作，生成第一预处理图像，为后续对亚型的术后病理切片进行图像识别采集；
6、图片颜色处理子系统：对图片采集子系统获取的病理切片图像进行颜色处理，将不同膀胱非尿路上皮癌患者的图像按颜色进行细分，以获取患者组织切片染色区域；不同颜色区域的堆积用于进一步采集处理，并按顺序存储；子系统内部包括第二图像存储堆栈，用于按顺序存储获得的多个膀胱非尿路上皮癌区域图像块；
7、图片形状处理子系统：对图片采集子系统获取的病理切片图像进行形状处理，包括对不同形状的集中分类和统计，得到神经内分泌分化形状、鳞状形状和腺形形状的切片上的组织，并按顺序存储；该子系统同时接收来自图片颜色处理子系统输出的潜在膀胱癌区域图像块进行第二预处理操作，生成第二预处理图像；子系统内部包括第一图像存储队列，用于按顺序存储获得的多个膀胱非尿路上皮癌区域图像块；
8、图片组合处理子系统：对图片颜色处理子系统和形状处理子系统得到的图像进行组合处理，主要包括红色区域和神经内分泌分化的三种形状的癌细胞类型的组合；组合的子集可能为膀胱非尿路上皮癌图像区域，按顺序存储；
9、图片输出处理子系统：对图片组合处理子系统输出的图像子集进行收集和输出，得到可能为膀胱非尿路上皮癌的图像区域，按顺序存储。
10、进一步的，所述图片采集子系统，对临床手术获得的膀胱非尿路上皮癌样本通过病理切片染色得到he病理切片，并进一步对切片标号以及对he图像进行收集以获得彩色的病理显微图片；
11、进一步的，所述图片颜色处理子系统，对he图像进行高倍放大处理，通过人工智能软件，让电脑摄像对其染色的区域进行辨认分析处理，颜色辨别并识别后进行拍摄可得到所有的疑似的膀胱非尿路上皮癌的图像区域模块；
12、进一步的，所述图片形状处理子系统，对膀胱非尿路上皮癌的图像区域模块进一步分析，通过已有的病理切片的不同膀胱非尿路上皮癌的亚型的形态学特点与需要验证组的进行比对，对疑似的全部图像区块形状分析，得到膀胱非尿路上皮癌的图像区域模块；
13、进一步的，所述图片组合处理子系统，让人工智能对膀胱非尿路上皮癌图像区域和疑似为膀胱非尿路上皮癌图像区域模块进行系统的识别，并对其结果进行输出；
14、进一步的，所述图片输出处理子系统，对所有的识别后的输出结果进行多层次的区域识别并显示。
15、为了改进，所有子系统都有对he图像的预处理操作权限；
16、在本专利技术中，膀胱非尿路上皮癌的亚型的人工智能辅助诊疗系统可以对目标患者的采样彩色显微图像执行自动化识别后输出识别结果，识别结果包括膀胱非尿路上皮癌的亚型的分类概率，进而帮助临床医生做出本文档来自技高网
...
【技术保护点】
1.基于膀胱非尿路上皮癌的亚型的人工智能辅助诊疗决策系统，包括：图片采集子系统，图片颜色处理子系统，图片形状处理子系统，图片组合处理子系统和图片输出处理子系统；
2.如权利要求1所述的基于膀胱非尿路上皮癌的亚型的人工智能辅助诊疗决策系统，其特征在于，所述图片采集子系统的第一预处理操作包含平滑处理和降噪；所述图片形状处理子系统的第二预处理操作为锐化。
3.如权利要求1所述的基于膀胱非尿路上皮癌的亚型的人工智能辅助诊疗决策系统，其特征在于，所述图片形状处理子系统的第二预处理操作中包含二值化操作。
4.如权利要求1所述的基于膀胱非尿路上皮癌的亚型的人工智能辅助诊疗决策系统，其特征在于，所述图片形状处理子系统的第一图像储存队列有第一预定的图像块大小范围；所述图片颜色处理子系统的第二图像储存堆栈有第二预定的图像块大小范围；所述的第一预定的大小范围不得大于第二预定的大小范围。
5.如权利要求1所述的基于膀胱非尿路上皮癌的亚型的人工智能辅助诊疗决策系统，其特征在于，所述图片输出处理子系统能够实现多个区域分层次显示，具体包括：将不同疑似膀胱非尿路上皮癌的图像和其相应的膀胱非尿路上皮癌区域图像块彼此关联显示，而且还能进一步描述疑似膀胱非尿路上皮癌的图像区域图像块和其相应的膀胱非尿路上皮癌区域图像块的相关程度和分型概率。
...
【技术特征摘要】
1.基于膀胱非尿路上皮癌的亚型的人工智能辅助诊疗决策系统，包括：图片采集子系统，图片颜色处理子系统，图片形状处理子系统，图片组合处理子系统和图片输出处理子系统；
2.如权利要求1所述的基于膀胱非尿路上皮癌的亚型的人工智能辅助诊疗决策系统，其特征在于，所述图片采集子系统的第一预处理操作包含平滑处理和降噪；所述图片形状处理子系统的第二预处理操作为锐化。
3.如权利要求1所述的基于膀胱非尿路上皮癌的亚型的人工智能辅助诊疗决策系统，其特征在于，所述图片形状处理子系统的第二预处理操作中包含二值化操作。
4.如权利要求1所述的基于膀胱非尿路上皮癌的亚型的...
【专利技术属性】
技术研发人员：蒋宁，王佑之，何彬，许阳阳，钱涛，郭涛，郭嘉宁，李俊波，曹骞，关赵凯，
申请(专利权)人：天津医科大学第二医院，
类型：发明
国别省市：
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。