《病理圖像檢索與輔助診斷關鍵技術研究》是依託北京航空航天大學，由姜志國擔任項目負責人的面上項目。
基本介紹
- 中文名：病理圖像檢索與輔助診斷關鍵技術研究
- 依託單位：北京航空航天大學
- 項目負責人：姜志國
- 項目類別：面上項目
項目摘要,結題摘要,
項目摘要
隨著數字病理切片在臨床診斷和遠程會診中的廣泛套用，基於內容的病理圖像檢索技術將逐漸成為醫學輔助診斷的重要工具，但由於圖像數據量大、特徵複雜，該技術目前仍未得到有效發展。本課題旨在以多重染色的數字病理切片為對象，研究病理圖像檢索與輔助診斷新的理論與方法。課題首先研究基於染色成分和視覺注意驅動的多解析度病理特徵提取方法，再利用主題模型挖掘病理圖像潛在的上下文語義特徵，同時利用不同局部嵌入的稀疏編碼模型揭示病理圖像的高層特徵，解決圖像檢索過程中普遍存在的語義鴻溝問題。為進一步改善檢索模型的自適應學習能力，本課題在前期病理特徵研究基礎上，建立一種基於深度學習的病理圖像深度檢索模型，逐層學習病理特徵，最終形成分散式特徵表示，實現對病理圖像的精確描述，提高檢索準確率，為醫生診斷提供參考病例和幫助。本研究屬醫學圖像信息智慧型化領域的前沿和基礎性問題，研究成果對病理輔助診斷具有重要的理論意義和實用價值。
結題摘要
基於組織切片的病理學診斷方法是癌症診斷的“金標準”。基於數字病理圖像的癌症輔助診斷方法可以有效提高醫生的診斷精度和工作效率。基於內容圖像檢索是病理圖像輔助診斷的有效方法之一，近年來得到快速發展。該方法利用圖像處理、模式識別方法提取未知病理圖像的特徵，依靠特徵在病理資料庫中檢索出在圖像內容上相似的歷史病例，返回給醫生作為診斷參考，幫助醫生形成更加可靠的診斷意見，同時幫助醫生積累診斷經驗。基於內容的病理圖像檢索的套用效果依賴於病理圖像特徵的描述能力。本研究以病理圖像輔助診斷方法研究對象，具體研究病理圖像特徵提取方法和病理圖像資料庫檢索方法。取得研究成果包括： 1、以多重染色的數字病理切片圖像為檢索對象，深入研究了面向病理圖像檢索的特徵提取及建模理論和方法，提出能夠描述病理圖像細胞核模式及其空間關係的特徵描述子，並與圖像紋理特徵相結合，提出病理圖像低層特徵提取方法； 2、研究基於主題模型的病理圖像高層語義構建方法，提出基於主題模型的面向上下文語義的病理圖像檢索建模方法，在乳腺癌亞種數據集上的檢索度精度達到91%，檢索時間為0.41秒。 3、研究基於稀疏約束的病理圖像特徵提取方法，提出基於稀疏自編碼的病理圖像細胞核特徵學習方法及全切片分析模型，建立病理學先驗指導的病理圖像深度學習特徵提取框架，該特徵在乳腺癌亞種分類任務中分類精度達到96.4% 4、研究病理全切片資料庫的檢索方法，提出病理全切片資料庫多尺度檢索目標索引方法，以及適用於多尺度查詢圖像的相似性度量方法，解決了病理圖像檢索的實際套用問題。 本研究部分成果已套用到實踐中，基於主題模型的病理圖像檢索模型、基於深度學習的病理全切片圖像分析模型已完成軟體開發，並嵌入到切片線上瀏覽與管理平台MoticGallery，病理醫生可以上傳待診斷的數字病理切片，軟體在雲端完成計算，將計算結果返回給病理醫生，實現病理圖像的輔助診斷。
