[发明专利]一种基于深度学习的阴道镜图像分类计算机辅助诊断系统和方法

说明书

本发明提供一种基于深度学习的阴道镜图像分类计算机辅助诊断系统和方法，属于医学图像处理和疾病诊断技术领域。本发明开发并验证了基于深度学习的计算机辅助诊断模型，以对阴道镜图像的宫颈病变进行分类。基于ResNet50模型和临床因素构建上述阴道镜图像分类计算机辅助诊断系统，经实验证明，其与专业阴道镜医生相比显示出更好的诊断性能，可以为阴道镜医师提供客观的诊断依据，具有潜在的临床应用价值。

技术领域

本发明属于医学图像处理和疾病诊断技术领域，具体涉及一种基于深度学习的阴道镜图像分类计算机辅助诊断系统和方法。

背景技术

公开该背景技术部分的信息仅仅旨在增加对本发明的总体背景的理解，而不必然被视为承认或以任何形式暗示该信息构成已经成为本领域一般技术人员所公知的现有技术。

宫颈癌是女性恶性肿瘤中第四大发病率和死亡率。2018年，全世界估计有570,000例新病例，有311,000例死亡。人乳头瘤病毒(HPV)感染是宫颈癌的主要原因。全球子宫颈癌的发病率和死亡率存在很大差异。低收入和中等收入国家的发病率是发达国家的7-10倍，部分原因是各个地区存在着筛查和预防的差异。迄今为止，解决HPV疫苗接种和子宫颈筛查的障碍仍然是大多数国家(尤其是中低收入国家(LMIC))面临的主要挑战。针对人乳头瘤病毒(HPV)的疫苗接种和使用筛查进行二级预防是早期发现和治疗宫颈癌的有效策略。宫颈上皮内瘤变分为低级别上皮内肿瘤(LSIL)和高级别上皮内肿瘤(HSIL)。细胞学和HPV检测相结合已成为筛选程序的一种选择。但是，子宫颈癌筛查仍然存在诊断灵敏度和特异性低的问题，尤其是在中低收入国家。阴道镜检查有助于鉴别可治疗的癌前病变和宫颈癌。

尽管阴道镜在预防宫颈癌中起着重要的作用，但其准确性和可重复性受到限制。此外，阴道镜的诊断性能在很大程度上取决于操作者的主观经验，这要求操作者能够根据标准识别并处理乙酸白上皮的变化。在低中等收入国家，经验丰富的阴道镜检查专家的缺乏以及繁重的阴道镜检查工作加剧了阴道镜诊断的不准确性。

发明内容

针对上述现有技术的不足，本发明提供一种基于深度学习的阴道镜图像分类计算机辅助诊断系统和方法。本发明开发并验证了基于深度学习的计算机辅助诊断(Computeraided diagnosis，CAD)模型，以对宫颈病变的阴道镜图像进行分类，经实验验证，该模型的诊断性能可以与高级阴道镜专家相媲美，因此具有良好的实际应用之价值。

本发明是通过如下技术方案实现的：

本发明的第一个方面，提供一种基于深度学习的阴道镜图像分类计算机辅助诊断系统，包括：

图像捕获设备，其中所述图像捕获设备捕获阴道的一个或多个图像；

存储器，其中存储捕获的一个或多个图像；和，

处理器，所述处理器与所述存储器通信，其中所述处理器执行存储在所述存储器中的计算机能够读的指令，所述指令使所述处理器使用所捕获的一个或多个图像对所述阴道的病理情况进行分类。

本发明的第二个方面，提供一种基于深度学习的阴道镜图像分类计算机辅助诊断方法，包括：

捕获阴道的一个或多个图像；以及，

使用所捕获的一个或多个图像对所述阴道的病理情况进行分类。

本发明的第三个方面，提供一种非暂态计算机程序产品，所述非暂态计算机程序产品包括存储在计算机能够读的介质上的计算机能够执行的代码段，所述计算机能够执行的代码段用于执行上述基于深度学习的阴道镜图像分类计算机辅助诊断方法所进行的步骤。

本发明的第四个方面，提供一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成上述基于深度学习的阴道镜图像分类计算机辅助诊断方法所进行的步骤。

上述一个或多个技术方案的有益技术效果：