[发明专利]一种肺腺癌亚型的辅助鉴别系统及方法

说明书

本发明公开了一种肺腺癌亚型的辅助鉴别系统及方法，涉及神经网络。包括：采集模块，获取数字病理图像并标注得到标注图像；包括病变区及真实病理图像特征；处理模块，将标注图像进行处理获得处理图像，存入数据库；分类模块，将处理图像分为训练集、验证集和测试集；训练模块，将训练集进行训练获得肺腺癌亚型的辅助鉴别模型；验证模块，将验证集输入到辅助鉴别模型中进行优化获得优化模型；测试模块，将测试集输入到优化模型获得结果，并得到测试准确率；比较模块，将测试准确率与测试阈值进行比较，在小于测试阈值时重新训练；不小于时保存辅助鉴别优化模型。具有以下有益效果：辅助临床医师鉴别肺腺癌亚型。

技术领域

本发明涉及神经网络领域，尤其涉及一种肺腺癌亚型的辅助鉴别系统及方法。

背景技术

肺癌是世界上最常见的恶性肿瘤之一。我国肺癌的发病率、死亡率均高居恶性肿瘤之首，严重威胁着国民的健康。肺腺癌是原发肺癌最常见的类型，大约占了肺癌的一半。因为肺腺癌的肿瘤异质性，想对其进行组织学分类仍然很困难。在这种情况下，世界卫生组织在2015年正式发表了肺癌组织学分类，变化最大的部分就是肺腺癌的组织学分类。根据新分类标准，原来单纯型BAC被取代成为原位腺癌(AIS)，以鳞屑样生长为主，浸润成分5mm的微浸润腺癌(MIA)取代了原来的BAC伴局灶浸润，这两类患者的淋巴结转移发生率极低，如接受手术切除可获得接近100％的疾病特异性存活率，BAC-AIS被移出了恶性肿瘤行列和不典型腺瘤样增生(AAH)一起列入了癌前病变。对浸润性腺癌提倡全面、详细的组织学诊断模式。不再笼统地归为混合亚型而是细分为鳞屑样、腺泡样、乳头状、微乳头状及实性生长方式为主的5种亚型。

肺腺癌病理新分类提出后，相继有研究证明肺腺癌患者的不同组织学亚型与淋巴结转移状况、无病生存期或总生存期密切相关。研究证实肺腺癌不同组织学亚型是独立于临床分期的预测指标，总生存期(OS)、疾病特异性生存期(DSS)和无疾病生存期(DFS)均存在显著差异，其中以微乳头或实性成分为主的肺腺癌患者预后最差；不同生长方式肺腺癌的生存期受辅助放化疗影响，尤其实性为主腺癌接受辅助放疗预后明显改善；不同生长方式腺癌与发生淋巴结转移的危险性也密切相关。肺腺癌国际多学科新分类为含有不同组织学特征的肺腺癌提供了统一的诊断学标准，进一步细化的分类更加突出主要类型对于肿瘤生物学行为、治疗和预后的影响。

常规的癌症诊断多是基于分析肿瘤或可疑肿瘤组织中的细胞和组织标本，通过组织染色，个体细胞或细胞群就可以鉴别出来。癌症类型的诊断常常依靠分析细胞的形态特征，比如，染色后细胞的形状，大小，性状的改变，分化的程度以及组织结构的不规则性。因此癌症病理诊断除了专业知识背景之外很大程度上取决于临床病理医师的主观判断，正确而可信度高的诊断需要丰富的临床经验。然而病理标本异质性高，细胞量巨大，癌前病变和非癌病变的区分，不同病理类型的鉴别即使对于临床经验丰富的专家也是一种挑战。除此之外，各机构之间标准目前依旧无法统一，病理行业人才的稀缺导致了日常工作量巨大，流水线的工作无法保证各病理学家之间的诊断一致性。为了提升临床对肺腺癌亚型的诊断一致性，减少可重复性高的工作对医师工作效率的影响，人工智能辅助诊断系统是迫切需要的。