食管癌智能病理检测系统开发(附件)
本文结合智能信息领域时下最热门的深度学习技术，针对高发肿瘤疾病——食管癌的病理切片图像进行检测，构建了一套利用病理切片图像实现肿瘤甄别的医疗辅助诊断及管理系统。首先，采集包含腺癌、鳞癌、贲门癌等常见种类的食管癌病理切片图像，并进行标注，构建训练、测试数据集；再利用图像处理技术，对所采集图像进行预处理，包括分割、滤波、归一化等； 然后，选择ALEXNET作为训练网络，设置合适的网络层数和神经元节点数，及卷积核的尺寸，构建深度网络，对采集的病理切片图像进行训练；最后，利用测试数据集中的图像，完成对训练好的网络的测试。测试结果表明，深度学习技术对于食管癌病理切片图像有较好的识别效果。另外，本文在B/S架构下，基于NET技术及SQL SERVER 数据库系统，扩充了系统功能，在识别病理图像的同时，还对医疗信息进行管理，构建了便于医生使用的人机交互式系统，实现了医生对患者的信息及病理切片的管理功能。关键词 食管癌，病理检测，ASP.NET ，B/S，深度学习
目录
1 绪论 1
1.1 课题背景 1
1.2 课题研究目的及意义 1
1.3 研究现状 2
1.4 研究内容 3
2 开发项目所用技术 4
2.1 ASP.NET框架 4
2.2 数据库技术 5
2.3 B/S结构 5
2.4 深度学习算法 6
3 系统需求分析 8
3.1系统的可行性研究 8
3.2系统的功能需求 8
4 食管癌智能病理检测系统 9
4.1系统设计概要 9
4.2系统详细设计 10
5食管癌医疗管理系统 19
5.1功能结构 19
5.2数据流图 20
5.3功能模块 24
6 程序测试 28
结 论 30
致 谢 31
参 考 文 献 32
1 绪论
1.1 课题背景
统计数据结果显示，近年来淮安市癌症的发病率逐年增长。恶性肿瘤的死亡率高达 164.57/10 万(标化死亡率138.20/10 万)，高于全国 *好棒文|www.hbsrm.com +Q: &351916072&
平均水平39%。其中，在恶性肿瘤中导致死亡的第一位的是食管癌，死亡率占癌症死亡率的49.53%。淮安市在全国各地区中属于食管癌发病率较高的地区。经淮安市疾控中心统计，每年生病死亡的人中肿瘤死亡的比例占30%~40%左右，而食管癌的致死率占肿瘤致死率的30%~40%左右。淮安市市民的健康已经遭到食管癌的严重威胁。
经分析，淮安市市民食管癌发病率增高，其原因除了外在的易致癌的环境性因素外，还与市民本身的遗传易感染性因素如心理、免疫等休戚相关，此外，市民在饮食上没有多加注意，导致酒类、亚硝酸盐等摄入过量，饮食习惯不好，经常食用刺激性食物，营养搭配不均衡，这些都是导致食管癌发病的重要因素[1]。 另外，食管癌的发病率越来越高、死亡率持续蹿升，其中一个重要原因是癌症发现时大多都已处于中晚期，早期病理医师诊断准确率不够高，在治疗的最佳阶段无法及时得到治疗。癌症的早期诊断非常关键，如果能够在癌症初期发现病症，存活率将会高出10倍。
目前，食道病变的影像学检查方法中，被认为最可靠、最权威的是通过活体组织检查（biopsy）进行确切诊断的病理诊断方法。病理诊断是肉眼观察器官的改变、在镜下观察器官组织结构以及细胞的病变特性的一种疾病诊断手段[12]。在确诊的客观性和准确性上，其可信度高于根据病历、病状做出的分析性诊断，以及利用影像途径（如超声波、 X射线、 CT、核磁共振等）所做出的临床诊断。 本系统利用食管癌的病理切片影像图像作为训练样本，检测的结果更为准确可靠。
但是，由于全国范围内病理医生的人数不足万人，多集中于经济较为发达地区，有些偏远贫困的地区基本没有病理医生。肿瘤又是高发疾病，病理医生需要处理的病例数接近病理医生人数的6倍。超高负荷的工作量严重影响到检测的效率和准确率。 因此，将肿瘤病理图像的甄别工作交给计算机处理，就可以在一定程度上解决这一问题既可以减轻病理医生的工作，也可以提高检测的准确率。
1.2 课题研究目的及意义
本系统开发的目的是充分利用深度学习强大的处理大数据的能力和显著的图像识别效果，检测医学图像，辅助放射科医生更加快速、准确地诊断食管癌，降低食管癌在淮安市的发病致死率。
本系统针对淮安市的高发肿瘤疾病——食管癌，提出一种基于病理切片图像、应用深度学习技术实现的疾病检测方法，快速、智能化地处理高维的大数据，及时准确地给出检测结果，提高检测效率。系统的完成可以有效提高食管癌影像学检查的准确率，减少确诊时间，对降低淮安市食管癌的致死率有着深远意义[13]。
相比而言，计算机更擅长完成重复性的工作，在正常维护的前提下，计算机几乎不会产生较大的误差，并且可以昼夜不停地工作。而且，利用深度学习技术对计算机进行训练的周期也远远短于培养一个成熟的病理科医生[14]。因此，本系统利用深度学习技术实现病理切片图像中的肿瘤甄别，将本需医生完成的图像识别工作交给计算机自动实现，减少了工作量，提高了医生的工作效率，有助于解决病理科医生的紧缺问题。
本系统拟构建一个医疗诊断的智能化系统，无需关心计算机自动实现的诊断过程，医生仅需要提供食管癌病理切片的影像数据，即可实现食管癌疾病的诊断。对于不具备病理诊断条件的基层医院而言，可以提供影像图片到医疗水平较高的医院，实现远程医疗，辅助基层医生进行诊断，提高基层医院的医疗水平。
1.3 研究现状
随着信息科学在医学领域的卓越发展,医学临床诊断和治疗领域涌入了更多的人体成像工具。但是，单个患者单次检查所成影像的信息量由于各种具有不同能力的成像工具在医学中的广泛应用，造成了成倍的增长，加重了医生的工作负担，也增加了误诊的可能[2]。为了减轻医生的工作，近年来研究人员将人工智能算法结合图像处理技术应用到医学诊断中，以辅助医生做出迅速诊断。经验丰富的医生在以往工作的基础上，辅助医疗图像诊断技术，可以做出迅速、正确的诊断。但是，由于图像识别技术发展的不完善，在实际应用中，诊断的速度虽然提高了，但是结果却并不准确，经常误报信息。因此，为了提高医学智能化程度，找到提高医疗图像诊断的准确率和效率的方法刻不容缓。
计算机智能化在医药领域的应用由来已久。一直以来，医学图像的智能化诊断都是基于一种陈旧的、需要动手操作的机器学习模式实现的。随着近年来“深度学习”技术以其特定的多层结构和强大的处理大数据的能力在图像识别领域的应用，图像识别的性能得以迅速提高，也进而促进了医疗图像辅助诊断技术的发展[15]。随着深度学习应用领域的拓宽，国内外很多公司、科研院都在努力将其应用于医学领域。根据世界经济论坛，在先进的体制中（国家之间会有一定的不同），训练足够的专家以满足发展中国家大约要花300年时间[3]。而利用深度学习对计算机进行训练，可以大大缩短训练时间。从几百万病人的疾病记录入手，建立了一个关于人体的人工神经网络，利用足够多的大数据进行训练，就可以自动寻找到合适的特征，实现疾病的智能化诊断。目前的相关研究几乎都处于测试阶段，暂时未见成熟的系统。
目录
1 绪论 1
1.1 课题背景 1
1.2 课题研究目的及意义 1
1.3 研究现状 2
1.4 研究内容 3
2 开发项目所用技术 4
2.1 ASP.NET框架 4
2.2 数据库技术 5
2.3 B/S结构 5
2.4 深度学习算法 6
3 系统需求分析 8
3.1系统的可行性研究 8
3.2系统的功能需求 8
4 食管癌智能病理检测系统 9
4.1系统设计概要 9
4.2系统详细设计 10
5食管癌医疗管理系统 19
5.1功能结构 19
5.2数据流图 20
5.3功能模块 24
6 程序测试 28
结 论 30
致 谢 31
参 考 文 献 32
1 绪论
1.1 课题背景
统计数据结果显示，近年来淮安市癌症的发病率逐年增长。恶性肿瘤的死亡率高达 164.57/10 万(标化死亡率138.20/10 万)，高于全国 *好棒文|www.hbsrm.com +Q: &351916072&
平均水平39%。其中，在恶性肿瘤中导致死亡的第一位的是食管癌，死亡率占癌症死亡率的49.53%。淮安市在全国各地区中属于食管癌发病率较高的地区。经淮安市疾控中心统计，每年生病死亡的人中肿瘤死亡的比例占30%~40%左右，而食管癌的致死率占肿瘤致死率的30%~40%左右。淮安市市民的健康已经遭到食管癌的严重威胁。
经分析，淮安市市民食管癌发病率增高，其原因除了外在的易致癌的环境性因素外，还与市民本身的遗传易感染性因素如心理、免疫等休戚相关，此外，市民在饮食上没有多加注意，导致酒类、亚硝酸盐等摄入过量，饮食习惯不好，经常食用刺激性食物，营养搭配不均衡，这些都是导致食管癌发病的重要因素[1]。 另外，食管癌的发病率越来越高、死亡率持续蹿升，其中一个重要原因是癌症发现时大多都已处于中晚期，早期病理医师诊断准确率不够高，在治疗的最佳阶段无法及时得到治疗。癌症的早期诊断非常关键，如果能够在癌症初期发现病症，存活率将会高出10倍。
目前，食道病变的影像学检查方法中，被认为最可靠、最权威的是通过活体组织检查（biopsy）进行确切诊断的病理诊断方法。病理诊断是肉眼观察器官的改变、在镜下观察器官组织结构以及细胞的病变特性的一种疾病诊断手段[12]。在确诊的客观性和准确性上，其可信度高于根据病历、病状做出的分析性诊断，以及利用影像途径（如超声波、 X射线、 CT、核磁共振等）所做出的临床诊断。 本系统利用食管癌的病理切片影像图像作为训练样本，检测的结果更为准确可靠。
但是，由于全国范围内病理医生的人数不足万人，多集中于经济较为发达地区，有些偏远贫困的地区基本没有病理医生。肿瘤又是高发疾病，病理医生需要处理的病例数接近病理医生人数的6倍。超高负荷的工作量严重影响到检测的效率和准确率。 因此，将肿瘤病理图像的甄别工作交给计算机处理，就可以在一定程度上解决这一问题既可以减轻病理医生的工作，也可以提高检测的准确率。
1.2 课题研究目的及意义
本系统开发的目的是充分利用深度学习强大的处理大数据的能力和显著的图像识别效果，检测医学图像，辅助放射科医生更加快速、准确地诊断食管癌，降低食管癌在淮安市的发病致死率。
本系统针对淮安市的高发肿瘤疾病——食管癌，提出一种基于病理切片图像、应用深度学习技术实现的疾病检测方法，快速、智能化地处理高维的大数据，及时准确地给出检测结果，提高检测效率。系统的完成可以有效提高食管癌影像学检查的准确率，减少确诊时间，对降低淮安市食管癌的致死率有着深远意义[13]。
相比而言，计算机更擅长完成重复性的工作，在正常维护的前提下，计算机几乎不会产生较大的误差，并且可以昼夜不停地工作。而且，利用深度学习技术对计算机进行训练的周期也远远短于培养一个成熟的病理科医生[14]。因此，本系统利用深度学习技术实现病理切片图像中的肿瘤甄别，将本需医生完成的图像识别工作交给计算机自动实现，减少了工作量，提高了医生的工作效率，有助于解决病理科医生的紧缺问题。
本系统拟构建一个医疗诊断的智能化系统，无需关心计算机自动实现的诊断过程，医生仅需要提供食管癌病理切片的影像数据，即可实现食管癌疾病的诊断。对于不具备病理诊断条件的基层医院而言，可以提供影像图片到医疗水平较高的医院，实现远程医疗，辅助基层医生进行诊断，提高基层医院的医疗水平。
1.3 研究现状
随着信息科学在医学领域的卓越发展,医学临床诊断和治疗领域涌入了更多的人体成像工具。但是，单个患者单次检查所成影像的信息量由于各种具有不同能力的成像工具在医学中的广泛应用，造成了成倍的增长，加重了医生的工作负担，也增加了误诊的可能[2]。为了减轻医生的工作，近年来研究人员将人工智能算法结合图像处理技术应用到医学诊断中，以辅助医生做出迅速诊断。经验丰富的医生在以往工作的基础上，辅助医疗图像诊断技术，可以做出迅速、正确的诊断。但是，由于图像识别技术发展的不完善，在实际应用中，诊断的速度虽然提高了，但是结果却并不准确，经常误报信息。因此，为了提高医学智能化程度，找到提高医疗图像诊断的准确率和效率的方法刻不容缓。
计算机智能化在医药领域的应用由来已久。一直以来，医学图像的智能化诊断都是基于一种陈旧的、需要动手操作的机器学习模式实现的。随着近年来“深度学习”技术以其特定的多层结构和强大的处理大数据的能力在图像识别领域的应用，图像识别的性能得以迅速提高，也进而促进了医疗图像辅助诊断技术的发展[15]。随着深度学习应用领域的拓宽，国内外很多公司、科研院都在努力将其应用于医学领域。根据世界经济论坛，在先进的体制中（国家之间会有一定的不同），训练足够的专家以满足发展中国家大约要花300年时间[3]。而利用深度学习对计算机进行训练，可以大大缩短训练时间。从几百万病人的疾病记录入手，建立了一个关于人体的人工神经网络，利用足够多的大数据进行训练，就可以自动寻找到合适的特征，实现疾病的智能化诊断。目前的相关研究几乎都处于测试阶段，暂时未见成熟的系统。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/jsj/wljs/265.html
