(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211207359.7 (22)申请日 2022.09.30 (71)申请人 广州医科 大学附属第一医院 （广州 呼吸中心） 地址 510120 广东省广州市沿江路151号 (72)发明人 曾国华　孙毅　刘宏星　 (74)专利代理 机构 广州三环 专利商标代理有限 公司 44202 专利代理师 陈志明 (51)Int.Cl. G06T 7/00(2017.01) G06V 10/82(2022.01) G06V 10/774(2022.01) G06V 10/776(2022.01) G06N 3/04(2006.01)G06N 3/08(2006.01) A61B 1/307(2006.01) A61B 1/04(2006.01) A61B 5/00(2006.01) (54)发明名称 一种输尿管肾盂肿瘤的检测系统、 装置及存 储介质 (57)摘要 本申请属于肿瘤检测技术领域， 公开了一种 输尿管肾盂肿瘤的检测系统、 装置及存储介质， 该系统包括： 图像获取模块， 用于通过拉曼光谱 探头获取待检测肿瘤的拉曼光谱图像； 模型检测 模块， 用于通过训练好的卷积神经网络模型对待 检测肿瘤的拉曼光谱图像进行识别， 得到待检测 肿瘤的浸润深度和肿瘤类型； 结果输出模块， 用 于输出待检测肿瘤的浸润深度和肿瘤类型。 本申 请可以达到提高对肿瘤的检测准确性和及时评 估病情的效果。 权利要求书2页 说明书7页 附图3页 CN 115409830 A 2022.11.29 CN 115409830 A 1.一种输 尿管肾盂肿瘤的检测系统， 其特 征在于， 所述系统包括： 图像获取模块， 用于通过拉曼光谱探 头获取待检测肿瘤的拉曼光谱图像； 模型检测模块， 用于通过训练好的卷积神经网络模型对所述待检测肿瘤的拉曼光谱图 像进行识别， 得到所述待检测肿瘤的浸润深度和肿瘤类型； 其中， 所述训练好的卷积神经网 络模型是基于不同浸润深度的输尿管肾盂肿瘤的拉曼光谱图像训练得到的， 所述训练好的 卷积神经网络模型用于根据肿瘤的拉曼光谱图像得到该肿瘤的浸润深度， 并根据该肿瘤的 浸润深度确定该肿瘤对应的肿瘤类型； 结果输出模块， 用于 输出所述待检测肿瘤的浸润深度和肿瘤类型。 2.根据权利要求1所述的系统， 其特 征在于， 所述系统还 包括： 训练图像获取模块， 用于获取多张训练图像， 所述训练图像为标注有浸润深度和肿瘤 类型的输 尿管镜下检测位置的拉曼光谱图像； 神经网络训练模块， 用于基于所述多张训练图像对预设的卷积神经网络模型进行训 练， 得到所述训练好的卷积神经网络模型。 3.根据权利要求2所述的系统， 其特 征在于， 所述训练图像获取模块包括： 原始图像获取单元， 用于获取多张原始图像； 所述多张原始图像包括不同浸润深度的 输尿管肾盂肿瘤的拉曼光谱图像、 无浸润的输尿管肾盂肿瘤的拉曼光谱图像及正常组织的 拉曼光谱图像； 原始图像标注单元， 用于获取所述多张原始图像中的每张原始图像对应的标注信息， 并根据每张原始图像对应的标注信息对该原始图像进行标注， 得到所述多张训练图像； 所 述标注信息包括浸润深度和肿瘤类型。 4.根据权利要求3所述的系统， 其特 征在于， 所述神经网络训练模块包括： 训练图像分配单元， 用于按照预设比例 将所述多张训练图像随机分配为训练集和测试 集； 神经网络训练单元， 用于通过所述训练集中的训练图像对预设的卷积神经网络模型进 行训练； 神经网络验证单元， 用于使用所述测试集中的训练图像对训练后的卷积神经网络模型 进行验证， 得到所述训练好的卷积神经网络模型。 5.根据权利要求1至4任一项所述的系统， 其特征在于， 所述结果输出模块具体用于将 所述待检测肿瘤的浸润深度和肿瘤类型输出 给显示设备进行显示。 6.根据权利要求1所述的系统， 其特征在于， 所述不同浸润深度的输尿管肾盂肿瘤包括 无浸润的原位癌、 浸润上皮下 结缔组织的T1期肿瘤 及浸润肌层的T2期肿瘤。 7.一种输尿管肾盂肿瘤的检测装置， 其特征在于， 所述装置包括软镜鞘、 软镜镜头、 拉 曼光谱探头、 手柄、 显示设备及计算机 设备； 所述软镜镜头和所述拉曼光谱探头并行设于所 述软镜鞘中， 所述手柄设于所述软镜鞘末端的外侧， 所述计算机设备设于所述软镜鞘末端 且分别与所述软镜 镜头、 所述拉曼光谱探 头及所述显示设备 连接； 所述计算机设备包括处理器和存储器， 所述存储器中存储有计算机程序， 所述处理器 调用所述存 储器中的计算机程序时执 行如下步骤： 通过所述拉曼光谱探 头获取待检测肿瘤的拉曼光谱图像； 通过训练好的卷积神经网络模型对所述待检测肿瘤的拉曼光谱图像进行识别， 得到所权　利　要　求　书 1/2 页 2 CN 115409830 A 2述待检测肿瘤的浸润深度和肿瘤类型； 其中， 所述训练好的卷积神经网络模型是基于不同 浸润深度的输尿管肾盂肿瘤的拉曼光谱图像训练得到的， 所述训练好的卷积神经网络模型 用于根据肿瘤的拉曼光谱图像得到该肿瘤的浸润深度， 并根据该肿瘤的浸润深度确定该肿 瘤对应的肿瘤类型； 输出所述待检测肿瘤的浸润深度和肿瘤类型。 8.根据权利要求7所述的装置， 其特征在于， 所述处理器调用所述存储器中的计算机程 序时还执 行如下步骤： 获取多张训练图像， 所述训练图像为标注有浸润深度和肿瘤类型的输尿管镜下检测位 置的拉曼光谱图像； 基于所述多 张训练图像对预设的卷积神经网络模型进行训练， 得到所述训练好的卷积 神经网络模型。 9.根据权利要求7或8所述的装置， 其特征在于， 所述处理器调用所述存储器中的计算 机程序时执 行所述输出 所述待检测肿瘤的浸润深度和肿瘤类型的步骤， 包括： 将所述待检测肿瘤的浸润深度和肿瘤类型输出 给所述显示设备进行显示。 10.一种计算机可读存储介质， 其特征在于， 其上存储有计算机程序， 所述计算机程序 被处理器执行时实现如下步骤： 通过所述拉曼光谱探 头获取待检测肿瘤的拉曼光谱图像； 通过训练好的卷积神经网络模型对所述待检测肿瘤的拉曼光谱图像进行识别， 得到所 述待检测肿瘤的浸润深度和肿瘤类型； 其中， 所述训练好的卷积神经网络模型是基于不同 浸润深度的输尿管肾盂肿瘤的拉曼光谱图像训练得到的， 所述训练好的卷积神经网络模型 用于根据肿瘤的拉曼光谱图像得到该肿瘤的浸润深度， 并根据该肿瘤的浸润深度确定该肿 瘤对应的肿瘤类型； 输出所述待检测肿瘤的浸润深度和肿瘤类型。权　利　要　求　书 2/2 页 3 CN 115409830 A 3