[发明专利]一种基于视觉特征识别口腔鳞状细胞癌的深度学习方法

说明书

本发明公开了一种基于视觉特征识别口腔鳞状细胞癌的深度学习方法，包括：1)建立开发集和测试集；2)构建数据训练样本；3)训练目标检测网络模型；4)通过该目标检测模型对开发集的口腔照片进行批量初始定位，使用定位后的图片区域构建分类网络数据样本；5)扩充分类网络数据样本；6)DenseNet作为分类网络的主干网络，并改进DenseNet，使模型更加集中于困难的错误分类的样本；7)将分类网络在扩充样本上进行训练，得到口腔鳞状细胞癌分类网络；8)检验分类网络；9)应用分类网络分类口腔照片。本方法从口腔照片中检出口腔鳞状细胞癌的灵敏度高，特异性好，适用于各种口腔鳞状细胞癌的检测以及筛查。

技术领域

本发明属于医学图像处理领域，涉及到深度学习技术用于某一类照片中特定视觉特征区域的检测。此训练所得的深度学习神经网络对照片中口腔鳞状细胞癌的检测具有良好的准确率，精准度与召回率，适用于口腔鳞状细胞癌患者的筛查。

技术背景

口腔癌位列世界十大恶性肿瘤之一。2018年，全世界范围内预测口腔癌新发病例354864人，因口腔癌死亡的人数177384人。就病理分型而言，口腔癌患者中90％以上是鳞状细胞癌，重度吸烟和酗酒的中老年男性为高发人群。在咀嚼槟榔盛行的国家和地区，如印度、巴基斯坦、孟加拉以及中国的中南地区的部分省份都是口腔鳞状细胞癌的高发地区。这些地区人口稠密，经济发展欠均衡，医疗资源供给不足，口腔癌的防治是这些国家和地区的重要卫生工作。

口腔鳞状细胞癌在起病早期临床表现为口腔黏膜白斑、红斑以及红白斑，少有疼痛与口腔功能障碍。不少患者即使发现了口腔黏膜的异常，也会因为症状轻微而忽视及时就医。由于发病部位的缘故，相当一部分患者首诊于牙科医生，一部分患者首诊于全科医生，但多数牙科医生和全科医生并不具备诊断口腔癌的能力，因此不少患者会被误诊为普通的口腔溃疡，延长了患者的等待时间。因此，至今仍有超过半数的口腔鳞状细胞癌患者直到病变长大，出现疼痛或出血，甚至发生区域性淋巴结转移后才被转诊至口腔癌专科医生处就诊。早期的口腔鳞状细胞癌患者中，84％仅需要手术即可治愈；而晚期患者除需接受根治性手术外，还需要放化疗等辅助治疗，不仅耗用了更多的医疗资源，而且痛苦增多，花费增加，但五年生存率只有39％。近四十年来，尽管各种新兴的治疗手段层出不穷，但口腔癌的总体预后没有明显的提升。

发现并诊断早期口腔鳞状细胞癌病变是提高患者生存率最有效的方法。但及早发现口腔癌患者是世界性的难题，各国想了很多办法，比如提高牙科医生或者全科医生对口腔癌的认识水平，在牙学院的课程设置中增加口腔癌相关知识的教育以及毕业后再教育。但口腔癌相关的临床知识需从经验获取，单纯理论教育很难收获理想的效果。印度学者Sankaranarayanan曾在1996年至2004年间，历时八年对选定社区内的高危人群进行了的口腔癌的跟踪筛查，耗费大量的人力和时间得到结论认为：通过口腔癌的外观特征，能够筛查出早期口腔癌患者对其进行早期的治疗，从而降低口腔癌高危人群的死亡率。并且预估这种筛查方式可以降低世界范围内因口腔癌死亡的人数，只是人力成本与时间成本过高，而无法推广。

近年来，各种染色剂，纳米技术，荧光照射等一系列技术来进行口腔癌的筛查，但这些方法都需要在医院或诊所内由医务人员完成，检测结果需要专业解读，不方便推广应用。理想的检测手段应该像口腔癌专家的体格检查，通过检查病变的外观推断出其可能诊断，并建议患者行病理检查，明确诊断后进行手术治疗。但口腔癌专科医生的数量有限，分布不均，无法满足全部口腔癌患者的需求。

人工智能技术近年来快速介入医学图像处理领域，一些深度学习算法已成为高效的图像识别工具，被用于识别各类医学图像中的异常征象。例如，预测人的头部CT片中的出血点和骨折，预测患儿可能的遗传病类型；预测皮肤癌，早期发现心电图中房颤的征象等等。实现这些场景依赖三点：1.深度学习算法；2.大数据；3.模型训练。迄今为止，还没有从视觉特征来识别口腔鳞状细胞癌的人工智能模型被报道。因此，开发出相应的人工智能模型，并部署至互联网的移动终端，类似于将口腔癌专家通过视觉特征识别口腔癌的专业能力迅速拓展到全世界，这将对发现早期口腔癌具有重要意义。

发明内容