[发明专利]一种基于滑动窗口的结肠镜病理切片筛查与分割系统

说明书

本发明公开了一种基于滑动窗口的结肠镜病理切片筛查与分割系统，包括计算机，计算机的存储器中存有筛查与分割模型，系统工作时，使用滑动窗口对原始巨型尺寸的病理切片图片裁剪为计算机可输入的小图像块，为了更好的提取图像的病变特征，使用基于海量自然图像分类任务中的特征提取模块作图像的特征提取器，然后基于先前特征图和相应位置的语义信息逐层恢复图像分辨率，从而获取更加准确的病变区域分割结果，最终，根据生成的分割结果输出病人患病的概率。利用本发明的系统，能有效辅助病理医生的筛查与诊断流程，大大降低阅片压力与时间成本，对欠发达地区的医疗发展有重要的意义。

技术领域

本发明属于医疗人工智能领域，尤其是涉及一种基于滑动窗口的结肠镜病理切片筛查与分割系统。

背景技术

结直肠癌是我国最常见的癌症之一，2014年我国结直肠癌的发病率和死亡率均位列所有癌症中的前五，也是近年来发病率上升最快的癌症，以年均4％-5％的速度递增，按此速度，预计数年后，结直肠癌将成为我国第一大癌症。

癌前病变和癌症的筛查可显著降低结直肠癌发病率和死亡率。基于结肠镜病理图像的检查是诊断和筛查消化系统癌症的黄金标准。这一过程由病理专家使用显微镜观察载玻片上的染色标本进行。近年来，数字病理学有了长足的发展，全视野数字切片技术(wholeslide image,WSI)使用扫描仪捕获整个载玻片并将其保存为高分辨率图像，使医疗条件落后的地区进行病例检查成为了可能，在发展中国家或农村地区的医院，这一技术有重要意义，患者的数字切片可递交给经验丰富的病例专家做出准确诊断。但是，由于WSI的图像尺寸非常大(通常约100000*100000像素)，因此对于病理专家而言，人工分析仍是一项枯燥且好事的工作。这些问题引起了医学成像界的广泛关注，并且对病理图像的自动分割进行了大量的研究。

在结肠镜检查中，病理医生可以从小组织切片中找到早期结肠肿瘤的细胞。由于相关数据的缺乏，专门针对结肠镜检查病理图像的结肠癌自动筛查和分割的算法，鲜有研究，因此提出一个自动化的结肠镜病理切片处理系统，辅助诊断结肠癌，是一个亟待解决的问题。

近年来，基于深度学习的卷积神经网络(Convolutional neural network，CNN)在计算机视觉领域的许多任务中显示出了相较传统算法的优势。其中，基于图像特征提取模块和形态重构模块的编码器-解码器结构的全卷积神经网络被广泛地应用于医学图像语义分割任务。然而，由于计算资源的限制，尺寸巨大的病理切片图像无法直接使用上述全卷积神经网络进行训练，且由于病理切片来自不同地区、机构，制片方式大不相同导致最终成像结果差异巨大，上述全卷积神经网络受限于其简单的特征提取模块，在结肠镜病理切片分割任务上的表现难以令人满意。

为了填补当前结肠镜病理切片自动诊断系统研究的空白，急需一种能够准确、快速的对病变区域进行自动筛查和分割的系统，并根据生成的分割结果输出病人患病的概率，从而辅助医生进行诊断。

发明内容

本发明提出了一种基于滑动窗口的结肠镜病理切片筛查与分割系统，可以输入患者的结肠镜病理切片图片，定位并勾画图像中的病变组织与细胞，最终根据疑似病变区域的严重程度，输出病人罹患癌症的概率，从而辅助医生进行诊断。

本发明的技术方案如下：

一种基于滑动窗口的结肠镜病理切片筛查与分割系统，包括计算机存储器、计算机处理器以及存储在所述计算机存储器中并可在所述计算机处理器上执行的计算机程序，其特征在于：

所述计算机存储器中存有筛查与分割模型，所述的筛查与分割模型使用预训练过的分类神经网络的图像提取模块作为病变特征提取模块；

所述计算机处理器执行所述计算机程序时实现以下步骤：

对待筛查的结肠镜病理切片进行二值化，应用滑动窗口将待筛查的结肠镜病理切片裁剪为小尺寸的图像块，并移除全部为背景的图像块；