【技术实现步骤摘要】
本申请涉及人工智能的智能医疗，尤其涉及一种病理检测系统及病变的检测方法。
技术介绍
1、当前智能病理检测数据分析基本是通过对图片进行扫描得到扫描结果后，通过扫描结果绘制出的图像，与检测数据库中图像数据库进行简单比对，与其相对应则判断出病理性质结果，最后打印出检测结果报告。在对图片进行扫描时，是基于一种串行扫描方式进行图像处理方式，在处理过程中，都是通过基于计算机的处理能力，系统软件主要由中央处理单元进行图像分析处理，包括可控制数据存储及管理模块进行数据的存储和管理。因此容易出现系统卡死，造成检测效率低下的问题。此外，现有技术中病理检测方式过于简单，容易造成检测结果的准确性不高。
技术实现思路
1、本申请实施例提供了一种病理检测系统及病变的检测方法，用于解决现有技术中病理检测结果不准确的问题，并且可以实现对病理的可预先性转移进行数据分析。
2、第一方面，本申请实施例提供了一种病理检测系统，包括图像扫描子系统和病理分析子系统；
3、所述图像扫描子系统包括多镜头旋转电子显微镜、切片组件、切片放置台以及通信单元；所述切片组件上用于放置病理切片，所述切片组件上的信息存储单元用于存储病理切片所属的目标对象信息，所述切片放置台用于放置m个切片组件；m为正整数；
4、所述图像扫描子系统，用于通过所述多镜头旋转电子显微镜对切片放置台中的m个切片组件上经染色的病理切片进行扫描得到m个病理切片分别对应的染色图像，从m个切片组件分别获取每个病理切片所属的目标对象信息；并
5、所述病理分析子系统，用于：
6、实时接收到图像扫描子系统发送的每个染色图像以及每个染色图像的目标对象信息，并保存在数据库中；
7、接收检测任务，根据检测任务从所述数据库中获取经染色后的病理切片在显微镜的视野下的染色图像；
8、从所述数据库获取所述染色图像对应的目标对象信息；
9、将所述染色图像作为分类模型的输入，确定所述病理切片所属的病理类别；
10、将所述染色图像作为所述病理类别对应的预测模型的输入，预测所述病理切片对应的病理的关联结果，所述关联结果用于表征所述病理切片对应的病理的可能发生的转移的病理结果；
11、根据所述关联结果、所述病理类别以及所述目标对象信息生成检测报告。
12、基于上述方案，在进行病理检测时，可以通过图像扫描子系统对多个病理切片进行分组扫描处理，可以提高处理效率。图像扫描子系统将病理切片的染色图像和目标对象信息发送至病理分析子系统，进而病理分析子系统对染色图像进行处理以及关联分析，对病理切片中的病理可预见性转移做出数据分析。
13、一种可能的实现方式中，所述病理分析子系统，还用于：通过第一训练样本集训练所述分类模型；所述第一训练样本集包括在设定时长内统计得到的多个病理切片的染色图像以及每个染色图像的病理类别，所述染色图像的病理类别通过病理学专家分析得到；和/或，
14、通过第二训练样本集训练所述预测模型，所述第二训练样本集包括在设定时长内统计得到的多个病理切片的染色图像以及染色图像之间的病理关联关系；所述染色图像之间的病理关联关系通过随机森林算法确定。
15、一种可能的实现方式中，所述病理检测系统还包括客户端；所述客户端，用于向所述病理分析子系统发送训练任务；所述病理分析子系统，具体用于根据所述训练任务通过第一训练样本集训练所述分类模型，以及通过第二训练样本集训练所述预测模型。
16、一种可能的实现方式中，所述数据库中还包括多种病理类别的病理数据，所述病理分析子系统，还用于：获取设定时长内历史统计得到的多个病理切片的染色图像；并对多个染色图像进行特征提取获取每个染色图像的特征数据，将每个染色图像的特征数据与多种病理类别的病理数据进行比对确定每个染色图像对应的病理类别，以获得所述第一训练样本集。
17、一种可能的实现方式中，所述数据库中还包括多种病理类别的病理数据，所述病理分析子系统，还用于：获取设定时长内历史统计得到的多个病理切片的染色图像；
18、根据所述染色图像所属的病理类别进行聚合得到多个病理类别组，每个病理类别组包括多个染色图像；
19、根据多个病理类别组通过随机森林算法确定不同病理类别之间的病理关联关系，以得到所述第二训练样本集。
20、第二方面，本申请实施例提供了一种病变的检测方法，包括：
21、获取经染色后的病理切片在显微镜的视野下的染色图像，其中，所述病理切片放置于切片组件上，所述切片组件还包括信息存储单元，所述信息存储单元用于存储所述病理切片所属的目标对象信息；
22、从所述信息存储单元获取所述染色图像对应的目标对象信息；
23、将所述染色图像作为分类模型的输入，确定所述病理切片所属的病理类别；
24、将所述染色图像作为所述病理类别对应的预测模型的输入，预测所述病理切片对应的病理的关联结果，所述关联结果用于表征所述病理切片对应的病理的可能发生的转移的病理结果；
25、根据所述关联结果、所述病理类别以及所述目标对象信息生成检测报告。
26、一种可能的实现方式中，所述分类模型通过第一训练样本集训练得到；所述第一训练样本集包括在设定时长内统计得到的多个病理切片的染色图像以及每个染色图像的病理类别，所述染色图像的病理类别通过病理学专家分析得到；和/或，
27、所述预测模型通过第二训练样本集训练得到，所述第二训练样本集包括在设定时长内统计得到的多个病理切片的染色图像以及染色图像之间的病理关联关系；所述染色图像之间的病理关联关系通过随机森林算法确定。
28、一种可能的实现方式中，训练所述分类模型，包括：
29、获取设定时长内历史统计得到的多个病理切片的染色图像；
30、根据所述染色图像所属的病理类别进行聚合得到每个病理类别的多个图像；
31、根据每个病理类别的多个图像对分类模型训练得到训练后的分类模型。
32、一种可能的实现方式中，所述训练预测模型，包括：
33、获取设定时长内历史统计得到的多个病理切片的染色图像；
34、根据所述染色图像所属的病理类别进行聚合得到多个病理类别组，每个病理类别组包括多个染色图像；
35、根据多个病理类别组通过随机森林算法确定不同病理类别之间的病理关联关系；
36、根据每个病理类别组以及所述病理类别组与其它病理类别之间病理关联关系对每个病理类别对应的预测模型进行训练得到训练后的预测模型。
37、一种可能的实现方式中，根据多个病理类别组通过随机森林算法确定不同病理类别之间的病理关联关系，包括：将所述设定时长内的多个病理切片的染色图像按照时间节点进行合并得到多个染色图像集合；针对第一病理类别组，确本文档来自技高网...
【技术保护点】
1.一种病理检测系统，其特征在于，包括图像扫描子系统和病理分析子系统；
2.如权利要求1所述的系统，其特征在于，所述病理分析子系统，还用于：
3.如权利要求2所述的系统，其特征在于，所述病理检测系统还包括客户端；
4.如权利要求2或3所述的系统，其特征在于，所述数据库中还包括多种病理类别的病理数据，所述病理分析子系统，还用于：
5.如权利要求2或3所述的系统，其特征在于，所述数据库中还包括多种病理类别的病理数据，所述病理分析子系统，还用于：
6.一种病变的检测方法，其特征在于，包括：
7.如权利要求6所述的方法，其特征在于，所述分类模型通过第一训练样本集训练得到；所述第一训练样本集包括在设定时长内统计得到的多个病理切片的染色图像以及每个染色图像的病理类别，所述染色图像的病理类别通过病理学专家分析得到；和/或，
8.如权利要求6所述的方法，其特征在于，训练所述分类模型，包括：
9.如权利要求6所述的方法，其特征在于，所述训练预测模型，包括：
10.如权利要求9所述的方法，其特
11.一种执行设备，其特征在于，包括：
12.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行权利要求6-9中任一项所述的方法。
...【技术特征摘要】
1.一种病理检测系统，其特征在于，包括图像扫描子系统和病理分析子系统；
2.如权利要求1所述的系统，其特征在于，所述病理分析子系统，还用于：
3.如权利要求2所述的系统，其特征在于，所述病理检测系统还包括客户端；
4.如权利要求2或3所述的系统，其特征在于，所述数据库中还包括多种病理类别的病理数据，所述病理分析子系统，还用于：
5.如权利要求2或3所述的系统，其特征在于，所述数据库中还包括多种病理类别的病理数据，所述病理分析子系统，还用于：
6.一种病变的检测方法，其特征在于，包括：
7.如权利要求6所述的方法，其特征在于，所述分类模型通过第一训练样本集训练得到；所述...
【专利技术属性】
技术研发人员：冯大卫，
申请(专利权)人：大唐移动通信设备有限公司，
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。