[发明专利]基于深度学习的级联式癌细胞检测系统

权利要求书

1.一种基于深度学习的级联式癌细胞检测系统，其特征在于，包括样本建立模块、数据处理模块、模型训练模块和检测模块；

所述样本建立模块包括：

病历单元，将纸质病历或电子病历转换成文本病历样本，形成病历数据库；

病理单元，将病理图像转化为电子病理样本，形成病理图像数据库；

所述数据处理模块包括：

文本处理单元，对所述文本病历样本进行预处理将其转为数值型向量；

图像处理单元，对所述电子病理样本进行预处理，对颜色相似度和纹理相似度进行综合判断，从而提取病理图像样本；

所述模型训练模块包括：

文本特征提取单元，提取所述文本病历样本的文本特征向量；

图像特征提取单元，提取所述病理图像样本的图像特征向量；

和模型训练单元；

所述模型训练单元包括：

第一训练单元，将所述图像特征向量投入到分类层进行训练，生成第一检测模型；

第二训练单元，将所述文本特征向量和所述图像特征向量投入到分类层进行训练，生成第二检测模型；

检测模块，将所述电子病理样本投入到所述第一检测模型进行识别，得到识别结果，若所述识别结果为阳性，则输出所述识别结果，否则将所述文本病历样本和所述电子病理样本同时投入到所述第二检测模型进行识别。

2.如权利要求1所述的基于深度学习的级联式癌细胞检测系统，其特征在于，所述图像处理单元包括：

颜色相似度判断单元，选择电子病理图像k，对每个颜色通道进行归一化，获得区域i∈k中的每个颜色通道的直方图为则所述i的颜色通道总量为所述i的像素大小为x*y；若染色区学习样本图为z，所述z的像素大小为x*y，则所述区域i的基准颜色相似度为W＝W_i-W_z，在所述电子病理图像k中按照滑动窗口方式计算W，滑动单位为l，所述l∈[x/8,x/2]，则W值最小的区域为第一感兴趣区域；

纹理相似度判断单元，对所述第一感兴趣区域进行归一化,获得区域j的每个颜色通道的不同方向的高斯微分T_j＝{T_j¹,...,T_j^r},则所述区域j的纹理总量为所述区域j属于所述第一感兴趣区域，且所述区域j的像素大小为x′*y′；若细胞区学习图为z′，像素大小为x′*y′，则所述区域j的基准纹理相似度为V＝V_j-V_z′，在所述第一感兴趣区域中按照滑动窗口方式计算V，滑动单位为l′，所述l′∈[x′/8,x′/2]，则V值最小的区域为第二感兴趣区域；

图像样本提取单元，从所述第二感兴趣区域提取病理图像样本；

其中，m、n、r、s为正整数。

3.如权利要求2所述的基于深度学习的级联式癌细胞检测系统，其特征在于，所述第一感兴趣区域为所述W值由小到大排序的像素大小为x*y的至多5个区域；所述第二感兴趣区域为所述V值由小到大排序的像素大小为x′*y′的至多5个区域。

4.如权利要求3所述的基于深度学习的级联式癌细胞检测系统，其特征在于，所述文本特征提取单元包括至少两层网络层并输出文本特征向量；所述图像特征提取单元包括9层卷积层、9层池化层和1个全连接层并输出图像特征向量。

5.如权利要求4所述的基于深度学习的级联式癌细胞检测系统，其特征在于，所述模型训练单元使用BP算法训练。

6.如权利要求1-5任一所述的基于深度学习的级联式癌细胞检测系统，其特征在于，所述文本病历样本包括编号、姓名、性别、年龄、就诊医生、就诊日期和就诊记录。

7.如权利要求1-5任一所述的基于深度学习的级联式癌细胞检测系统，其特征在于，电子病理样本包括编号、姓名、病理图像ID、病理图像和病理报告。