[发明专利]一种基于深度学习和强化学习细胞病理图像辅助诊断系统

说明书

本发明提供一种基于深度学习和强化学习细胞病理图像辅助诊断系统，包括切边图像模块、深度学习模块、强化学习模块和辅助诊断模型模块；所述切边图像模块用于获取并分割全扫描细胞病理图像，确定分割图像；所述深度学习模块用于基于预设的深度学习检测算法，对所述分割图像进行训练处理，确定病变细胞的病变类别和相对位置；所述强化学习模块用于基于预设的强化学习算法，对所述分割图像进行分析处理，确定病变细胞的诊断阈值；其中，所述诊断阈值包括细胞分数阈值和诊断个数判别阈值；所述辅助诊断模型模块用于基于所述诊断阈值，按照所述病变细胞的病变类别和相对位置，生成辅助诊断模型。

技术领域

本发明涉及深度学习、医学图像辅助诊断技术领域，特别涉及一种基于深度学习和强化学习细胞病理图像辅助诊断系统。

背景技术

目前，随着人工智能技术的发展，人工智能也开始与医疗领域结合，凭借人工智能技术在图像识别领域的发展，人工智能技术在医疗图像的应用取得一定成效，但远未实现成熟的应用。相比于X光、CT等医疗影像，细胞病理图像的人工智能辅助诊断面临着更大的挑战，如何从如此大的图像中找出具体病变细胞是一项繁重和高难度的挑战性工作，同时找到病变细胞后，如何给出整个切片的精确的辅助诊断也十分困难。

发明内容

本发明提供一种基于深度学习和强化学习细胞病理图像辅助诊断系统，以解决上述背景技术出现的问题。

本发明提供一种基于深度学习和强化学习细胞病理图像辅助诊断系统，其特征在于，包括切边图像模块、深度学习模块、强化学习模块和辅助诊断模型模块；其中，

所述切边图像模块用于获取并分割全扫描细胞病理图像，确定分割图像；

所述深度学习模块用于基于预设的深度学习检测算法，对所述分割图像进行训练处理，确定病变细胞的病变类别和相对位置；其中，

所述相对位置代表所述病变细胞在分割图像上和正常细胞相对的位置；

所述强化学习模块用于基于预设的强化学习算法，对所述分割图像进行分析处理，确定病变细胞的诊断阈值；其中，

所述诊断阈值包括细胞分数阈值和诊断个数判别阈值；

所述辅助诊断模型模块用于基于所述诊断阈值，按照所述病变细胞的病变类别和相对位置，生成辅助诊断模型。

优选的，所述切边图像模块包括获取图像单元、分割设定单元和分割图像分割单元；其中，

所述获取图像单元用于获取全扫描细胞病变图像；

所述分割设定单元用于基于预设的size，设定分割过程中小块之间的重叠大小size_board；

所述分割图像分割单元用于基于所述重叠大小size_board，分割所述全扫描细胞病变图像，生成大小为size*size的分割图像。

优选的，所述深度学习模块包括预处理单元、深度学习检测单元、预测结果单元和检测数据单元；其中，

所述预处理单元用于基于预设的阈值grey_th和area_th，处理所述分割图像，确定背景区域和有效区域；

所述深度学习检测单元用于基于预设的深度学习检测算法，检测所述有效区域，获取病变细胞的有效位置和有效类别；

所述预测结果单元用于根据所述有效位置和有效类别，确定病变细胞的预测结果；

所述检测单元用于通过融合所述分割图像的预测结果到预先安装的切片上，基于非极大值抑制，排除重复检测区域，确定切片级别的细胞检测数据。

优选的，所述预处理单元包括区域面积子单元、判断结果子单元、背景区域子单元和有效区域子单元；其中，