基于深度學習的病理細胞圖像桌面端檢測軟件

所屬學院：人工智能研究院

合作方式：?整體轉讓 ?技術許可 ?作價入股 ?合作開發 ?其它_____

成果簡介：

團隊與海南301醫院合作承擔海南省重點研發計劃“基于深度學習的宮頸異常細胞圖像檢測與分類”項目，主要負責采用基于深度學習的計算機視覺技術智能輔助篩查病理細胞圖像中的病變細胞，異常細胞檢出率為90%，相應研究成果在阿里云組織的“宮頸癌風險智能診斷”挑戰賽中取得前1%的成績，并研發相應的圖像處理和病患信息管理軟件用于臨床實際，以提高篩查效率。

成熟程度及推廣應用情況：

目前處于何種研發階段：?研發 ?小試 ?中試 ?小批量生產 ?產業化；樣機：?有 ?無

推廣應用情況：已成功應用至海南301醫院用于數據分析。

技術優勢：

基于深度學習的計算機視覺技術智能輔助篩查病理細胞圖像中的病變細胞，由于病理細胞圖像具有分辨率高和尺寸大的特點，且其大多數局部區域內都不含有細胞簇，深度學習模型采用窮舉候選框的方法進行異常細胞的定位和識別時，經過窮舉候選框獲得的子圖大部分都不含有細胞簇。當子圖數量逐漸增加時，大量不含細胞簇的圖像作為目標檢測網絡輸入會使圖像分析過程存在冗余時長，嚴重減緩了超大尺寸病理圖像分析時的檢測速度。本成果針對使用膜式法獲得的病理細胞圖像，通過基于深度學習的圖像分類網絡首先判斷局部區域是否出現異常細胞，若出現則進一步使用單階段的目標檢測方法進行分析，從而快速對異常細胞進行精確定位和識別。

性能指標：

采用目標檢測領域的常用評估指標AP30作為準確率，在裝備1臺Nvidia Tesla V100 顯卡的工作站上進行實驗評估，異常細胞識別準確率為86%%，推理速度為單張圖片耗時0.048s，該評估方法綜合考慮了各閾值下的精確率和召回率以及速度，可更加全面的評估模型的預測結果。

市場分析：

隨著計算機硬件以及計算機處理算法的進步，尤其是以深度學習為代表的機器學習理論的突破，計算機圖像處理技術不斷滲透到各個領域，尤其在臨床醫學的諸多領域發揮著舉足輕重的作用。依托強有效的特征提取能力，基于深度學習的卷積神經網絡可以通過梯度下降的方式自動地學習到圖像中與目標任務相關的主要特征，可大幅目標識別的準確率，使得深度學習方法成為計算機圖像處理領域中的主流方法。因此，采用細胞學計算機輔助診斷技術，對宮頸病變細胞圖像進行自動分析和處理，能夠幫助醫務人員進行精確的輔助判斷，從而降低醫務人員的工作強度以及提高診斷的準確性。

經濟效益分析：

宮頸癌作為世界范圍最常見的婦科惡性腫瘤，嚴重威脅女性的生命。2016年世界衛生組織報道：每年全球有超過50萬新發的宮頸癌病例，作為發展中國家的中國約占其中的28%，并預計直至2025年，亞洲的宮頸癌發病率將上升約40%。近年來宮頸癌不僅發病率呈上升趨勢，并且發病年齡也趨于年輕化，引起了越來越多人的重視。研究發現，宮頸癌的癌變是從子宮不典型增生到原位癌再到早期浸潤癌，最后變成浸潤癌，足見宮頸癌有著相當長的癌前病變階段。如果病人在宮頸癌癌前病變階段或者更早的時候被診斷出來，得到治愈的機會將會大幅度提高。

目前，中國以細胞學（包括傳統巴士涂片）作為宮頸癌主要篩查手段，可是總體篩查水平不高，究其原因，并非由于細胞學檢查技術的客觀缺陷，主要是由于國內有經驗的細胞病理學醫師及輔助人員稀缺，根據歐美發達國家國家經驗，一名合格的細胞學家成長周期約10年，因此造成宮頸癌篩查水平和普及程度低下，難以滿足實際檢測的需要。

隨著計算機硬件以及計算機處理算法的進步，尤其是以深度學習為代表的機器學習理論的突破，計算機圖像處理技術不斷滲透到各個領域，尤其在臨床醫學的諸多領域發揮著舉足輕重的作用。因此，使用深度學習方法能夠有效解決有經驗的細胞病理學醫師及輔助人員稀缺問題，應用廣泛，市場需求量大。

成果亮點：

1. 具有自主知識產權，研究成果已授權發明專利1項。

2. 成果來源：海南省財政科技計劃資助項目（ZDYF2019009）；佛山市科技創新專項資金項目（BK19AE034）。

3. 技術先進性：國內領先。

團隊簡介：

北京科技大學人工智能與三維可視化實驗室目前有教師6人（其中教授1人，副教授1人，講師4人）。負責人班曉娟教授（博導）獲得教育部新世紀優秀人才榮譽稱號，任中國人工智能學會常務理事及智慧醫療專業委員會主任，中國計算機學會人機交互專業委員會常務委員。近年在Nature子刊，計算機學會推薦的A類頂級國際會議CHI、VR、SIGGRAPH等發表圖像處理和流體模擬相關文章多篇。團隊致力于計算機視覺以及圖形學等領域的應用研究。主持國家級項目10余項，省部級及橫向企業項目20余項，發表學術論文300余篇，發明專利10余項，軟件著作權20余項，獲省部級以上科研教學獎勵4項。

成果相關照片：

圖1 登錄系統界面

圖2 圖像標注界面

圖3 手工標注框示意

圖4 系統設置圖

圖5 網絡結構圖

圖6 模型識別結果，紅色為模型識別結果，藍色為真值結果

聯系方式：

北京科大科技園

010-62333830,62335841,62335665,62333626