[发明专利]一种基于深度学习的肺癌计算机辅助检测方法及系统

摘要

本发明公开了一种基于深度学习的肺癌计算机辅助检测方法，涉及计算机视觉、深度学习、计算机辅助诊断领域，包括：首先将已临床确诊的病理组织切片进行H&E染色，通过扫描获取WSI图像，再由病理医生对癌症区域进行精准的标注；然后将所述WSI图像随机分成训练集和测试集，并将每张WSI图像按一定大小进行分块处理，作为后续卷积神经网络的输入；然后利用训练样本对网络进行调参和训练，并利用测试样本对训练结果进行检验，最后，设计客户终端，使用客户终端上传待检测WSI图像，获得自动识别的结果。本发明所提供的方法大大地提高基于WSI的诊断速度和效率，加快基于WSI图像的癌症检测过程，并达到了与人类观察者相当的检测率。

主权项

1.一种基于深度学习的肺癌计算机辅助检测方法，其特征在于，所述方法包括：步骤S1、采集已临床确诊的病变组织，用病理组织学方法制成病理组织切片，然后再用苏木精和曙红对所述病理组织切片进行染色；步骤S2、通过利用数字自动显微镜对染色后的所述病理组织切片进行扫描，获取WSI图像；所述WSI图像包括经验丰富的病理医生对所述WSI图像上癌症区域进行精准的标注；步骤S3、将上述步骤获取的所述WSI图像随机分成训练集和测试集，并对每张所述WSI图像进行分块处理；分块处理后的所述WSI图像用于为后续卷积神经网络的输入；所述WSI图像包括WSI训练图像和WSI测试图像；步骤S4、根据经典的自然图像识别卷积神经网络，利用所述WSI训练图像对网络进行调参和训练，生成肺癌检测模型；利用所述WSI测试图像对所述肺癌检测模型进行检验，优化所述肺癌检测模型；步骤S5、接收客户终端发送的待检测WSI图像，将所述待检测WSI图像输入至所述肺癌检测模型；步骤S6、从肺癌检测模型中提取与所述待检测WSI图像相对应的识别结果；步骤S7、将所述识别结果发送至所述客户终端。