一种病理切片的智能检测方法及系统与流程

本发明涉及数据处理，特别是指一种病理切片的智能检测方法及系统。

背景技术：

1、病理切片作为病理诊断的首选标准，在临床和科研中都有十分重要的作用。甲状腺细胞病理筛查处于一个正在普及的阶段，细胞穿刺的病理筛查方法具有创伤小，风险低，快速诊断的优点，已经在许多三甲医院普及化了。

2、但是目前由于细胞病理筛查起步较晚，病理医生相对比较少，有经验的医生更是稀缺，从而造成了需要诊断的病例的积压。同时，细胞病理切片诊断中，经常存在的问题是获取不到目标细胞或者目标细胞过少，导致无法诊断。

技术实现思路

1、本发明要解决的技术问题是提供一种病理切片的智能检测方法及系统，在病理切片上预提取高风险的恶性细胞区域，协助医生进行诊断，作出决策，通过此流程，在大幅减少病理医生的工作量的同时，也降低了误诊率，提高了病理医生的工作效率，从而使病理医生可以将精力集中到更加复杂的病例上。

2、为解决上述技术问题，本发明的技术方案如下：

3、第一方面，一种病理切片的智能检测方法，所述方法包括：对甲状腺细胞进行病理切片；将病理切片在显微镜上的图像经过数字化处理后以得到彩色的病理切片；将完整的病理切片裁剪出切块作为数据预处理筛查的输入；筛除掉病理切片部分无效的切块，有效部分作为神经网络模型的输入；采用监督的学习方法对切块初步筛查后的病理切片进行良恶性及不须鉴别 3 分类；监督再区分高于机率高门坎值的假阳性假阴性，再学习，递归产生理想的最后结果；将每个切块的良恶性预测，映射到原图的中。

4、进一步的，对甲状腺细胞进行病理切片，包括：病理切片图像在 rgb 空间，基于重叠面积为 50％的重叠采样方法将完整的病理切片裁剪出切块，将完整图像变形至n的倍数， n=7*2*m, m=0,1…,5正整数。

5、进一步的，所述切块的灰度值与斜角相邻像素之间的差，若切块的灰度值与斜角相邻像素之间的差≤门坎值，则所述切块为无效切块，并将无效切块筛除。

6、进一步的，所述神经网络模型的训练具体包括，从10张到100张，再到一千张，1万张，10万张诊断为甲状腺细胞病理切片上，标记 200 张恶性切块图像作为正类(1,0,0)，标记 200 张切块作为负类(0,1,0)，其余取 200 张切块归属于第三类无法判断(0,0,1)；按照 4：1：1 的比例分配训练集测试集及验证集，参与到神经网络模型的训练中；对神经网络模型迭代训练，更新神经网络模型的权重，得到在测试集上最终的神经网络模型；以最终的神经网络模型对无标签 1000 张的甲状腺的细胞病理切片的切块进行预测。

7、进一步的，所述神经网络模型的训练具体还包括：预测 1000 张病理切片，取 3类各 2000 张切块，大于机率高门坎值的切块，对假阳性假阴性处理进行修正之后加入数据集，并做第三次的训练测试。

8、进一步的，切块的分辨率为 n*n 像素。

9、第二方面，一种病理切片的智能检测系统，包括：获取模块，用于对甲状腺细胞进行病理切片；将病理切片在显微镜上的图像经过数字化处理后以得到彩色的病理切片；将完整的病理切片裁剪出切块作为数据预处理筛查的输入；处理模块，用于筛除掉病理切片部分无效的切块，有效部分作为神经网络模型的输入；采用监督的学习方法对切块初步筛查后的病理切片进行良恶性及不须鉴别 3 分类；监督再区分高于机率高门坎值的假阳性假阴性，再学习，递归产生理想的最后结果；将每个切块的良恶性预测，映射到原图的中。

10、第三方面，一种计算设备，包括：

11、一个或多个处理器；

12、存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现上述方法。

13、第四方面，一种计算机可读存储介质，所述计算机可读存储介质中存储有程序，该程序被处理器执行时实现上述方法。

14、本发明的上述方案至少包括以下有益效果：

15、本发明的上述方案，其采用由粗 100 张到细 10000 张多阶段训练的方法，先剔除掉明显无效的切块，减少人工智能的计算量，对有效的切块进行 3 分类，通过去除假阳假阴进一步提高检测的准确率。在病理切片上预提取高风险的恶性细胞区域，协助医生进行诊断，做出决策，通过此流程，在大幅减少病理医生的工作量的同时，也降低了误诊率，提高了病理医生的工作效率，从而使病理医生可以将精力集中到更加复杂的病例上。

技术特征：

1.一种病理切片的智能检测方法，其特征在于，所述方法包括：对甲状腺细胞进行病理切片；将病理切片在显微镜上的图像经过数字化处理后以得到彩色的病理切片；将完整的病理切片裁剪出切块作为数据预处理筛查的输入；筛除掉病理切片部分无效的切块，有效部分作为神经网络模型的输入；采用监督的学习方法对切块初步筛查后的病理切片进行良恶性及不须鉴别 3 分类；监督再区分高于机率高门坎值的假阳性假阴性，再学习，递归产生理想的最后结果；将每个切块的良恶性预测，映射到原图的中。

2.根据权利要求1所述的病理切片的智能检测方法，其特征在于，对甲状腺细胞进行病理切片，包括：病理切片图像在 rgb 空间，基于重叠面积为 50％的重叠采样方法将完整的病理切片裁剪出切块，将完整图像变形至n的倍数，n=7*2*m, m=0,1…,5正整数。

3.根据权利要求2所述的病理切片的智能检测方法，其特征在于，所述切块的灰度值与斜角相邻像素之间的差，若切块的灰度值与斜角相邻像素之间的差≤门坎值，则所述切块为无效切块，并将无效切块筛除。

4.根据权利要求3所述的病理切片的智能检测方法，其特征在于，所述神经网络模型的训练具体包括，从10张到100张，再到一千张，1万张，10万张诊断为甲状腺细胞病理切片上，标记 200 张恶性切块图像作为正类(1,0,0)，标记 200 张切块作为负类(0,1,0)，其余取200 张切块归属于第三类无法判断(0,0,1)；按照 4：1：1 的比例分配训练集测试集及验证集，参与到神经网络模型的训练中；对神经网络模型迭代训练，更新神经网络模型的权重，得到在测试集上最终的神经网络模型；以最终的神经网络模型对无标签 1000 张的甲状腺的细胞病理切片的切块进行预测。

5.根据权利要求4所述的病理切片的智能检测方法，其特征在于，所述神经网络模型的训练具体还包括：预测 1000 张病理切片，取 3 类各 2000 张切块，大于机率高门坎值的切块，对假阳性假阴性处理进行修正之后加入数据集，并做第三次的训练测试。

6.根据权利要求5所述的病理切片的智能检测方法，其特征在于，切块的分辨率为 n*n像素。

7.一种病理切片的智能检测系统，其特征在于，包括：获取模块，用于对甲状腺细胞进行病理切片；将病理切片在显微镜上的图像经过数字化处理后以得到彩色的病理切片；将完整的病理切片裁剪出切块作为数据预处理筛查的输入；处理模块，用于筛除掉病理切片部分无效的切块，有效部分作为神经网络模型的输入；采用监督的学习方法对切块初步筛查后的病理切片进行良恶性及不须鉴别 3 分类；监督再区分高于机率高门坎值的假阳性假阴性，再学习，递归产生理想的最后结果；将每个切块的良恶性预测，映射到原图的中。

8.一种计算设备，其特征在于，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-6中任一项所述的方法。

9.一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程序，该程序被处理器执行时实现如权利要求1-6中任一项所述的方法。

技术总结
本发明提供一种病理切片的智能检测方法及系统，涉及数据处理技术领域，所述方法包括：对甲状腺细胞进行病理切片；将病理切片在显微镜上的图像经过数字化处理后以得到彩色的病理切片；将完整的病理切片裁剪出切块作为数据预处理筛查的输入；筛除掉病理切片部分无效的切块，有效部分作为神经网络模型的输入；采用监督的学习方法对切块初步筛查后的病理切片进行良恶性及不须鉴别3分类；监督再区分高于机率高门坎值的假阳性假阴性，再学习，递归产生理想的最后结果；将每个切块的良恶性预测，映射到原图的中。本发明提高了病理医生的工作效率，从而使病理医生可以将精力集中到更加复杂的病例上。

技术研发人员：谢孝纲
受保护的技术使用者：厦门芯视野科技有限公司
技术研发日：
技术公布日：2024/5/29