申请/专利权人：北京透彻未来科技有限公司

申请日：2023-05-19

公开（公告）日：2024-06-18

公开（公告）号：CN116580011B

主分类号：G06T7/00

分类号：G06T7/00;G06V10/764;G06N3/0464;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.06.18#授权;2023.08.29#实质审查的生效;2023.08.11#公开

摘要：本发明提供了一种深度学习模型的子宫内膜癌全幻灯片图像检测系统，包括：幻灯片数字化图像分类模块，获取数字化幻灯片图像训练集、数字化幻灯片图像验证集及数字化幻灯片图像测试集；网格搜索病理斑块提取模块，从数字图像小块的有效组织面积中并排非重叠提取数字病理斑块；深度学习模型优化训练模块，对数字病理斑块使用atrous空间金字塔池化，使模型聚焦于肿瘤细胞；通过自适应矩估计优化器对深度学习模型进行优化，进行数字化幻灯片图像训练集数据训练，获取全卷积神经网络深度学习模型；模型评估全幻灯片图像检测模块，评估全卷积神经网络深度学习模型性能，进行子宫内膜癌全幻灯片图像检测。

主权项：1.一种深度学习模型的子宫内膜癌全幻灯片图像检测系统，其特征在于，包括：幻灯片数字化图像分类模块，扫描子宫内膜幻灯片获取数字化幻灯片图像；对数字化幻灯片图像根据肿瘤分类标准进行分类，获取数字化幻灯片图像训练集、数字化幻灯片图像验证集及数字化幻灯片图像测试集；网格搜索病理斑块提取模块，对数字化幻灯片图像进行网格搜索，提取有效组织面积，并分块获取数字图像小块；从数字图像小块的有效组织面积中并排非重叠提取数字病理斑块；深度学习模型优化训练模块，对数字病理斑块使用atrous空间金字塔池化，使模型聚焦于肿瘤细胞；通过自适应矩估计优化器对深度学习模型进行优化，进行数字化幻灯片图像训练集数据训练，获取全卷积神经网络深度学习模型；模型评估全幻灯片图像检测模块，通过逻辑运算脚本计算统计数据，评估全卷积神经网络深度学习模型性能，进行子宫内膜癌全幻灯片图像检测；所述模型评估全幻灯片图像检测模块包括：评价指标逻辑运算子模块，设置模型训练性能评价指标；创建内部逻辑运算脚本，通过逻辑运算脚本计算统计数据；并使用自动绘图绘制训练曲线；深度学习模型性能评估子模块，评估全卷积神经网络深度学习模型性能，评估成功预测的幻灯片相对于幻灯片总数的准确度比例；评估正确识别的肿瘤与正常切片的百分比；获取全卷积神经网络深度学习模型评估结果；评估判定调优检测子模块，对全卷积神经网络深度学习模型评估结果进行判定，反馈判定信息进行模型训练过程参数持续调优，进行子宫内膜癌全幻灯片图像检测；所述深度学习模型性能评估子模块包括：完全连接层去除单元，利用全卷积神经网络，去除完全连接层；通过矩估计优化深度学习模型利用全卷积神经网络对数字病理斑块增强训练集进行数据训练；数据训练推断单元，在数据训练推断阶段，将数字化幻灯片图像中的WSI全视野数字切片划分为2000×2000像素的数字图像小块进行训练推断；输入2200×2200-pixel贴图来进行重叠补丁；选取中间2000×2000-pixel区域进行最终预测；深度学习最终预测单元，通过滑动阈值法进行ROC曲线概率构造；使用第1000个最高像素级概率作为幻灯片级EC概率；模型最终预测2000×2000像素的EC概率；计算数字图像小块与pixel贴图进行重叠补丁的评价因子： 其中，PJYmn表示数字图像小块与pixel贴图进行重叠补丁的评价因子，BTm,n表示数字图像小块的边缘信息保留值，QTm,n表示数字图像小块的边缘强度值，BPm,n表示pixel贴图的边缘信息保留值，QPm,n表示pixel贴图的边缘强度值，M×N表示图像像素值2000×2000，m表示图像像素值第m个像素点，n表示图像像素值第n个像素点；通过计算数字图像小块与pixel贴图进行重叠补丁的评价因子，数字图像小块与pixel贴图进行重叠补丁的评价因子的取值范围为0到1之间，通过中值滤波增大边缘信息保留值，使数字图像小块与pixel贴图进行重叠补丁的评价因子值在取值范围内越接近1，则数字图像小块与pixel贴图的融合图像保留源图像边缘信息越多重叠补丁融合效果显著变好；所述评估判定调优检测子模块包括：评估判定持续调优单元，对全卷积神经网络深度学习模型评估结果进行判定，判定模型训练性能评价指标的模型准确性参数、模型敏感性参数及模型特异性参数；当成功预测的幻灯片相对于幻灯片总数的准确度比例未达到预期准确度比例时或正确识别的肿瘤与正常切片的百分比未达到预期正确百分比时，反馈判定信息进行模型训练过程参数持续调优；训练评估验证单元，通过模型训练过程参数持续调优，直至成功预测的幻灯片相对于幻灯片总数的准确度比例达到预期准确度比例时，或正确识别的肿瘤与正常切片的百分比达到预期正确百分比时，训练评估验证集验证完成；模型测试幻灯片检测单元，验证集验证完成后，进行数字化幻灯片图像测试集数据的测试；当幻灯片图像回顾性测试集的回顾性测试集准确性参数、回顾性测试集敏感性参数及回顾性测试集特异性参数，均超过设定回顾性测试集标准参数；或者，当幻灯片图像前瞻性测试集的前瞻性测试集准确性参数、前瞻性测试集敏感性参数及前瞻性测试集特异性参数，均超过设定前瞻性测试集标准参数；数字化幻灯片图像测试集数据的测试完成；进行子宫内膜癌全幻灯片图像检测。

全文数据：

权利要求：

百度查询： 北京透彻未来科技有限公司 一种深度学习模型的子宫内膜癌全幻灯片图像检测系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD