病理診斷作為一種直接通過肉眼觀察顯微鏡下人體活檢樣本的組織結(jié)構(gòu)與生理特征的醫(yī)學(xué)診斷方式,是醫(yī)學(xué)診斷領(lǐng)域帶有宣判性質(zhì)的權(quán)威性診斷方法,被譽(yù)為診斷“金標(biāo)準(zhǔn)”。本文圍繞數(shù)字病理圖像智能分析,主要開展了微小浸潤性宮頸癌基底膜分割、病理細(xì)胞核分割以及融合診斷報告語義信息的可解釋性診斷算法研究工作,其中:1)針對已有語義邊緣分割模型在基底膜分割中所存在的邊緣完整性、連續(xù)性、全局性不足的問題,提出使用生成對抗網(wǎng)絡(luò)來讓分割網(wǎng)絡(luò)學(xué)習(xí)基底膜邊緣像素空間排列一致性及其形狀先驗(yàn),并通過與醫(yī)院合作建立的數(shù)據(jù)集,實(shí)驗(yàn)驗(yàn)證了帶有對抗網(wǎng)絡(luò)訓(xùn)練的分割模型良好的解決了已有分割模型所存在的上述問題。2)針對病理細(xì)胞核分割中所存在的細(xì)胞核嚴(yán)重重疊、內(nèi)部灰度不均、背景噪聲偽影復(fù)雜、染色差異等眾多問題,本文提出級聯(lián)式卷積網(wǎng)絡(luò)模型來完成細(xì)胞核前景提取、細(xì)胞核前景降噪、細(xì)胞核前景距離變換以及細(xì)胞核邊緣提取四個級聯(lián)式子任務(wù),將所有子任務(wù)整合在了一個端到端可訓(xùn)練優(yōu)化的模型中,并通過實(shí)驗(yàn)驗(yàn)證了該模型相比于已有模型的優(yōu)越性。3)已有的絕大多數(shù)數(shù)字病理圖像的癌癥分級、病變識別等類型的工作均把此類問題看做單純的診斷結(jié)論標(biāo)簽的圖像分類工作,但實(shí)際的病理醫(yī)生在給出診斷結(jié)論時會寫下診斷報告以描述圖像并推斷出結(jié)論的。本文研究了如何有效利用病理診斷報告中的語義信息來輔助診斷結(jié)論的預(yù)測。此外,本文通過結(jié)合自然圖像分析領(lǐng)域的注意力機(jī)制研究,賦予了診斷結(jié)論一定的可解釋性,即在模型生成診斷結(jié)論的同時,會在原圖中高亮出一塊區(qū)域,用來表示模型所關(guān)注的圖像區(qū)域�；谂c醫(yī)院合作建立的宮頸癌前病變的診斷數(shù)據(jù)集(包含病理圖像及其病理診斷報告),本文將所提出模型與已有圖像分類模型進(jìn)行實(shí)驗(yàn)對比,驗(yàn)證了加入診斷報告語義信息對于診斷結(jié)論預(yù)測的積極作用,并通過大量擴(kuò)展實(shí)驗(yàn)進(jìn)一步證明了本文所提出模型的合理性。
【學(xué)位單位】：上海交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2018
【中圖分類】：TP391.41;TP18;R36
【部分圖文】：

在于病理診斷是通過對病人身體上的活體樣本直接進(jìn)行顯微鏡下的觀察得到的。所以，病理醫(yī)生常常被稱為“醫(yī)生的醫(yī)生”，病理診斷被稱為“最后的審判”。隨著數(shù)字病理掃描儀，病理圖像數(shù)字化的不斷發(fā)展以及大數(shù)據(jù)時代的到來，原本病理醫(yī)生在顯微鏡下觀察到的所有的圖像漸漸變成了“硬盤中的數(shù)據(jù)”。由于病理診斷極大的依賴專家個人經(jīng)驗(yàn)和隱形知識，盡管當(dāng)前病理信息獲取手段實(shí)現(xiàn)了高通量檢測、多維度表征、數(shù)字化存儲，但是并未從根本上解決病理診斷人才匱乏、病理診斷醫(yī)生受地區(qū)、專業(yè)性限制的局面。據(jù)統(tǒng)計，全國有執(zhí)照的病理醫(yī)生僅 9000 余人，按照每 100 張病床配備 1 名-2 名病理科醫(yī)師計算，病理醫(yī)生的缺口高達(dá) 4 萬-9 萬人。病理診斷本身比較依賴于多年的診斷實(shí)際經(jīng)驗(yàn)，經(jīng)驗(yàn)豐富的病理醫(yī)生往往分布在大城市的三甲醫(yī)院，而地市級和基層醫(yī)院的對病理會診的需要很迫切。因此如何讓計算機(jī)學(xué)習(xí)好經(jīng)驗(yàn)豐富的病理醫(yī)生的診斷經(jīng)驗(yàn)，去幫助醫(yī)療資源稀缺的地區(qū)以及減輕已有病理醫(yī)生的負(fù)擔(dān)，便顯示出了很大的社會價值。1.2 數(shù)字病理圖像分析研究現(xiàn)狀概述

宮頸癌是常見婦科惡性腫瘤，其發(fā)病率在女性惡性腫瘤中位居第二位，全世界每年新增宮頸癌病例約為50萬左右，主要集中在發(fā)展中國家及欠發(fā)達(dá)地區(qū)。依據(jù)發(fā)病機(jī)制及病理形態(tài)學(xué)特征，宮頸癌分為鱗形細(xì)胞癌、腺癌、腺鱗癌、神經(jīng)內(nèi)分泌癌等多種類型，其中鱗形細(xì)胞癌最為常見，約占70%。宮頸鱗形細(xì)胞癌的發(fā)生經(jīng)歷了一個從人乳頭狀瘤病毒感染——癌前病變——微小浸潤性鱗狀細(xì)胞癌（Microinvasive Carcinoma of the Cervix, MIC）——浸潤性鱗癌的較為漫長的過程。MIC 作為鱗形細(xì)胞癌前病變向浸潤性鱗癌發(fā)展的一個重要病理階段，它的及早發(fā)現(xiàn)及精確診斷不論對患者的預(yù)后評估還是指導(dǎo)臨床的個性化治療都具有重要意義。目前，國際婦產(chǎn)科協(xié)會（FIGO）和婦產(chǎn)科腫瘤協(xié)會（SGO）都分別對 MIC的診斷標(biāo)準(zhǔn)及量化指標(biāo)進(jìn)行了嚴(yán)格的定義[25]，其中突破鱗形上皮基底膜的最大浸潤深度是 MIC 病理診斷的關(guān)鍵性指標(biāo)，如圖 2-1 所示。但是長期以來，MIC診斷缺乏免疫組化技術(shù)的輔助（例如乳腺癌可以通過免疫組化識別肌上皮的缺失來明確診斷），鱗形上皮的基底膜相關(guān)標(biāo)記至今仍未發(fā)現(xiàn)，MIC 診斷主要依賴顯微鏡下的組織形態(tài)學(xué)觀察。

圖 2-2 MIC 基底膜待分割病理圖像Fig.2-2 MIC digital pathology images針對基底膜分割問題提出了一種基于深度學(xué)習(xí)的語義邊緣分割模模型之前，本節(jié) 2.1 首先介紹基底膜分割相關(guān)的計算機(jī)視覺算法中的研究現(xiàn)狀以及病理圖像分析領(lǐng)域的已有相關(guān)工作。2.2 節(jié)介算法模型。2.3 節(jié)介紹對比實(shí)驗(yàn)結(jié)果與分析。2.4 節(jié)對于本章內(nèi)容義分割算法分割是指像素級的圖像理解，即對圖像中的每個像素標(biāo)注所屬的-3 所示：

【參考文獻(xiàn)】

相關(guān)期刊論文 前1條

1 鮑冬梅;沈丹華;薛衛(wèi)成;;宮頸微小浸潤性鱗狀細(xì)胞癌[J];中華病理學(xué)雜志;2006年08期

本文編號：2809332