肾脏病理图像智能辅助诊断方法及诊断系统

本发明涉及辅助诊断，具体而言涉及肾脏病理图像智能辅助诊断方法及诊断系统。背景技术：1、肾脏疾病在全球范围内广泛存在，并对患者的健康和生活质量产生重大影响。在肾脏活检中，阴阳性判别主要依赖于对活检样本的观察和分析。阳性结果通常表示肾脏存在某种疾病或损伤，如肾炎、肾小球肾炎、肾盂肾炎、间质性肾炎等。这些疾病会导致肾脏的结构和功能发生改变，从而在活检样本中表现出阳性特征。阴性结果则表示肾脏没有明显异常，处于正常状态。肾脏活检的阴阳性判别并不是绝对的，有时候即使活检样本呈阴性，也可能存在肾脏疾病。因此，在解读活检结果时，需要结合患者的临床表现和其他检查结果进行综合分析。2、传统的肾脏诊疗依赖于医生的经验和专业知识，但由于肾脏疾病的复杂性和多样性，诊断的准确性和治疗的效果受到一定的限制。而人工智能技术的快速发展为肾脏诊疗带来了新的机遇，能够基于大数据和机器学习算法来分析、预测和优化肾脏疾病的诊断和治疗过程。3、但目前肾脏病理图像的可视化和解释还存在一些问题，如可视化的方式和效果不理想、解释的方法和内容不充分等。这些问题会影响系统的用户体验和用户满意度，限制系统的应用和推广。技术实现思路1、针对现有技术中肾脏病例图像辅助诊断存在的技术问题，本发明的第一方面提出一种技术方案，一种肾脏病理图像智能辅助诊断方法，包括以下步骤：2、步骤s1、获取肾脏病理图像；3、步骤s2、对获得的肾脏病理图像进行预处理，所述预处理包括图像增强、图像分割和图像配准，用于提高图像的质量和一致性；4、步骤s3、利用卷积神经网络或循环神经网络对预处理后的所述肾脏病理图像进行特征提取，包括病理特征的数量、形态、结构、病变类型、分布范围以及病理特征内固有细胞数量、类型和分布；5、步骤s4、根据所提取的不同特征，对肾脏病理图像进行分类和预测以及可视化和解释；6、其中，对图像的可视化包括以下步骤：7、步骤a1、将图像分割为若干矩形的子区域，通过虚线划分为边界；8、步骤a2、将提取的不同类型的病理特征通过对应标记框进行标记；9、步骤a3、根据标记框的密度，通过热力图的方式展示不同区域的关注程度；10、其中，根据预测的可信程度，每个所述标记框配置有可信度分数，以利于用户进行复核和验证。11、优选的，在步骤s1中，通过光镜、免疫荧光和/或电镜的方式获取肾脏病理图像。12、优选的，在步骤s2中，使用图像数据增强库对获取的所述肾脏病理图像进行图像增强，使用颜色去卷积方法分割所述肾脏病理图像中不同类型的生物组织结构。13、优选的，在步骤s3中，通过具有细胞核的区域数量、细胞核的聚集程度、以及像素密度作为是否具有增生病理特征的定量信息。14、优选的，通过边缘检测方法和区域生长方法计算具有细胞核的区域数量；通过气泡检测算法提取聚集的细胞核数；通过用白色像素点的数量除以黑色像素点的数量来计算像素密度。15、优选的，在步骤a2中，每种病理特征通过不同形状的标记框标记，所述标记框被设置为具有第一颜色、第二颜色和第三颜色，第一颜色的标记框可信度高于第二颜色的标记框可信度，第三颜色的标记框由用户手动标记。16、优选的，在步骤s3中，所述病理特征包括肾小球、肾小管和肾间质。17、本发明第二方面提出一种技术方案，一种肾脏病理图像智能辅助诊断系统，包括：18、图像获取模块，用于获取肾脏病理图像，所述肾脏病理图像包括光镜图像、免疫荧光图像和电镜图像；19、图像预处理模块，用于对所述肾脏病理图像进行图像增强、图像分割、图像配准处理；20、特征提取模块，用于从所述肾脏病理图像中提取病理特征，所述病理特征包括病理特征的数量、形态、结构、病变类型、分布范围以及病理特征内固有细胞数量、类型和分布；21、病理特征分类模块，根据所提取的病理特征对肾脏病理图像进行病理诊断或预测评估；22、可视化模块，用于将提取的不同类型的病理特征通过对应标记框进行标记；23、其中，每个所述标记框对特征提取模块所识别的病理特征进行可信度分数的标记，可信度分数用于表示特征提取模块对于该病理特征的置信程度。24、优选的，所述可视化模块包括交互单元，用户可调整标记框所选中的病理特征的可信度分数，以人为的干预特征提取模块对病理特征的识别准度。25、优选的，所述可视化模块通过热力图方式示出图像中不同区域或结构的关注程度。26、与现有技术相比，本发明的优点在于：27、将深度学习网络与传统的图像处理方法相结合，实现了对肾脏病理图像的高效预处理、特征提取、分类和预测等功能。利用大规模的肾脏病理图像数据集进行模型的训练和验证，提高了模型的泛化能力和鲁棒性。利用了肾脏病理图像中的多种信息，如肾小球的数量、形态、结构、病变类型、分布范围等，以及肾小球内的固有细胞的数量、类型、分布等，提高了诊断的精度和细致度。提高了肾脏病理诊断的效率和速度，减轻了病理医生的工作负担，缓解了肾脏病理医生的短缺问题。技术特征：1.一种肾脏病理图像智能辅助诊断方法，其特征在于，包括以下步骤：2.根据权利要求1所述的肾脏病理图像智能辅助诊断方法，其特征在于，在步骤s1中，通过光镜、免疫荧光和/或电镜的方式获取肾脏病理图像。3.根据权利要求1所述的肾脏病理图像智能辅助诊断方法，其特征在于，在步骤s2中，使用图像数据增强库对获取的所述肾脏病理图像进行图像增强，使用颜色去卷积方法分割所述肾脏病理图像中不同类型的生物组织结构。4.根据权利要求1所述的肾脏病理图像智能辅助诊断方法，其特征在于，在步骤s3中，通过具有细胞核的区域数量、细胞核的聚集程度、以及像素密度作为是否具有增生病理特征的定量信息。5.根据权利要求4所述的肾脏病理图像智能辅助诊断方法，其特征在于，通过边缘检测方法和区域生长方法计算具有细胞核的区域数量；通过气泡检测算法提取聚集的细胞核数；通过用白色像素点的数量除以黑色像素点的数量来计算像素密度。6.根据权利要求1所述的肾脏病理图像智能辅助诊断方法，其特征在于，在步骤a2中，每种病理特征通过不同形状的标记框标记，所述标记框被设置为具有第一颜色、第二颜色和第三颜色，第一颜色的标记框可信度高于第二颜色的标记框可信度，第三颜色的标记框由用户手动标记。7.根据权利要求1所述的肾脏病理图像智能辅助诊断方法，其特征在于，在步骤s3中，所述病理特征包括肾小球、肾小管和肾间质。8.一种肾脏病理图像智能辅助诊断系统，其特征在于，包括：9.根据权利要求8所述的肾脏病理图像智能辅助诊断方法，其特征在于，所述可视化模块包括交互单元，用户可调整标记框所选中的病理特征的可信度分数，以人为的干预特征提取模块对病理特征的识别准度。10.根据权利要求8所述的肾脏病理图像智能辅助诊断方法及，其特征在于，所述可视化模块通过热力图方式示出图像中不同区域或结构的关注程度。技术总结本发明涉及辅助诊断技术领域，具体而言涉及肾脏病理图像智能辅助诊断方法及诊断系统，包括以下步骤：步骤S1、获取肾脏病理图像；步骤S2、对获得的肾脏病理图像进行预处理，所述预处理包括图像增强、图像分割和图像配准，用于提高图像的质量和一致性；步骤S3、利用卷积神经网络或循环神经网络对预处理后的所述肾脏病理图像进行特征提取。将深度学习网络与传统的图像处理方法相结合，实现对肾脏病理图像的高效预处理、特征提取、分类和预测。利用肾脏病理图像中的多种信息，提高诊断的精度和细致度。提高肾脏病理诊断的效率和速度，减轻了病理医生的工作负担，缓解肾脏病理医生的短缺问题。技术研发人员：宁光,毕宇芳,林靖生,曹青受保护的技术使用者：上海交通大学医学院附属瑞金医院技术研发日：技术公布日：2024/8/16