本发明涉及非酒精性脂肪肝评测，具体为一种人工智能评估非酒精性脂肪肝动物模型的系统。
背景技术：
1、临床前非酒精性脂肪肝动物模型的病理学评价通常都是参考临床对人的肝脏脂肪肝的标准，数字病理学（dp）与人工智能（ai）相结合，具有彻底改变临床实践和治疗试验中肝脏病理图像的组织学分析潜力；多个数字病理学和人工智能工具被成功开发，用于评估患有nash或疾病前期模型的患者的肝活检的组织学特征；绝大多数的工具只能评估脂肪变性、炎症、肝细胞气球样变性和纤维化其中的一项或几项指标，且大多是基于人类病理样本而非临床前实验动物病理样本开发的；
2、目前最被广泛使用的是美国pathai公司开发的aim-nash工具；aim-nash（基于人工智能的非酒精性脂肪性肝炎组织学测量）是一种旨在协助病理学家在临床试验中实现非酒精性脂肪性肝炎（nash）组织学的准确和可重复分级和分期的人工智能数字病理学工具；aim-nash算法是通过使用来自多个nash临床试验的肝活检全切片图像以及专业病理学家提供的注释进行训练的，以预测nash-crn脂肪变性、肝细胞气球样变性和炎症分级，以及纤维化阶段；病理学家对h&e染色合masson染色的肝脏数字病理图像进行标注，然后生成约50万的小图像块训练集；这些图像块用于训练一个基于深度卷积神经网络的分割模型，对数字病理图像生成像素级的预测，在h&e图像中识别出脂肪空泡，炎症团区域和气球样变性肝细胞，在masson染色图像中识别出纤维化区域；基于识别的结果，生成nash-crn评分；现有的数字病理学和人工智能工具主要是基于人类样本开发，无法直接使用于临床前试验动物样本的分析，而且其评估内容中缺少一些试验动物中常见但人类样本中少见的病理学改变（例如小泡性脂肪变性）；此外，对于纤维化的评估，aim-nash或是其他工具均需要特殊染色样本（例如masson或者天狼星红）或特殊的光学成像方式（例如二次谐波成像），无法直接在h&e图像上进行评估；并且现有人工病理学评价存在如下问题：（1）诊断需要病理学专业人才，病理诊断专业人员稀少；（2）病理诊断人员之间的经验及从业时间差异大；（3）人工诊断评分成本大；（4）人工评价费时费力，拉长了临床前研究的周期；（5）人工评价存在结果的不一致性，不同的病理医生之间甚至同一位病理医生在不同的时间进行的评价都会存在不一致性；（6）人工评价采用的是半定量的分级系统，只能获得有限的指标，且每个指标只能粗略的分为有限的级别，无法反映精细的疾病程度的变化。
技术实现思路
1、本发明的目的是为了解决上述问题，设计了一种人工智能评估非酒精性脂肪肝动物模型的系统。
2、实现上述目的本发明的技术方案为，一种人工智能评估非酒精性脂肪肝动物模型的系统，包括染色标准化模块、肝脏组织结构识别模块、肝脏病变识别模块、脂肪变性测量模块、炎症测量模块、气球样变性测量模块、纤维化测量模块和病理评分计算模块，所述染色标准化模块用于将输入的h&e染色数字病理图像的颜色调整到指定的范围内，所述肝脏组织结构识别模块用于识别和区分病理图像中的重要组织结构，其包括汇管区域、中央静脉区域、以及肝小叶区域，所述肝脏病变识别模块用于识别和区分病理图像中的病变区域，其包括大泡性脂肪变、小泡性脂肪变、肝细胞气球样变性、炎症细胞团和纤维化；所述脂肪变性测量模块用于计算病理图像中脂肪变相关的测量值，所述炎症测量模块用于计算病理图像中炎症细胞团相关的测量值，所述气球样变性测量模块用于计算病理图像中气球样变性相关的测量值，所述纤维化测量模块用于计算病理图像中纤维化相关的测量值，所述病理评分计算模块依据上述四个测量模块得到的具体测量指标，结合肝脏结构识别模块获取的肝脏组织结构，进一步细化不同指标在不同肝脏组织结构区域中的度量。
3、对本技术方案的进一步补充，所述染色标准化模块实现方案为：建立第一深度神经网络，用于将任意h&e染色的数字病理图像转换为预设好的h&e染色风格的数字病理图像。
4、对本技术方案的进一步补充，所述肝脏组织结构识别模块实现方案为：建立第二深度神经网络，用于分割肝脏组织，分割得到的区域包括汇管区域、中央静脉区域、胆管区域、大血管区域和裂缝区域，并基于上述分割结果获得肝脏的分区 1区，2区和3区。
5、对本技术方案的进一步补充，所述肝脏病变识别实现方案为：建立第三深度神经网络，用于大泡性脂肪变、小泡性脂肪变和气球样变性肝细胞的识别；建立第四深度神经网络，用于炎症细胞团区域的分割；建立第五深度神经网络，用于假阳性炎症细胞团的去除；建立第六深度神经网络，用于将h&e染色的数字病理图像转换为马森三色染色的数字病理图像；对转换后的虚拟马森三色染色数字病理图像进行染色拆解得到胶原染色成分通道并通过阈值分割得到纤维化区域。
6、对本技术方案的进一步补充，所述第一深度神经网络的染色风格转换模型基于一组固定风格的h&e染色的病理图像和一组来源于不同实验室制片流程以及不同扫描仪扫描的h&e染色的病理图像作为训练集，采用cyclegan网络结构。
7、对本技术方案的进一步补充，所述第二深度神经网络的分割模型基于病理医生对上述不同组织结构区域的勾画结果，采用upernet网络结构或u-net或deeplab或mask-rcnn训练。
8、对本技术方案的进一步补充，所述第三深度神经网络的目标检测模型基于病理医生对大泡性脂肪变、小泡性脂肪变和气球样变性肝细胞的标注结果，采用yolov5或faster-rcnn或retinanet或ssd网络结构训练。
9、对本技术方案的进一步补充，所述第四深度神经网络的分割模型基于病理医生对炎症团区域的勾画结果，采用uper或netu-net或deeplab或mask-rcnn网络结构训练。
10、对本技术方案的进一步补充，所述第五深度神经网络的分类模型基于病理医生对炎症团区域的真实勾画结果以及第四深度神经网络的分割预测结果，采用resnet50或vgg或efficientnet结构训练；所述第六深度神经网络的染色风格转换模型基于一组h&e染色的肝脏病理图像和一组马森三色染色的肝脏病理图像作为训练集，采用cyclegan网络结构。
11、其有益效果在于，本发明研发了全自动的智能临床前非酒精性脂肪肝动物模型的病理学评价技术，可以显著提高分析的速度，分析的结果一致性高，不存在观察这差异，且可以生成多个全量化的指标，更好的量化疾病程度的变化；本发明的工具专为临床前试验动物研发，完全针对试验动物肝脏的病理学改变，且不需要特殊染色或特殊成像，在普通的h&e切片上即可完成包括纤维化在内的所有病变评估。
1.一种人工智能评估非酒精性脂肪肝动物模型的系统，其特征在于，包括染色标准化模块、肝脏组织结构识别模块、肝脏病变识别模块、脂肪变性测量模块、炎症测量模块、气球样变性测量模块、纤维化测量模块和病理评分计算模块，所述染色标准化模块用于将输入的h&e染色数字病理图像的颜色调整到指定的范围内，所述肝脏组织结构识别模块用于识别和区分病理图像中的重要组织结构，其包括汇管区域、中央静脉区域、以及肝小叶区域，所述肝脏病变识别模块用于识别和区分病理图像中的病变区域，其包括大泡性脂肪变、小泡性脂肪变、肝细胞气球样变性、炎症细胞团和纤维化；所述脂肪变性测量模块用于计算病理图像中脂肪变相关的测量值，所述炎症测量模块用于计算病理图像中炎症细胞团相关的测量值，所述气球样变性测量模块用于计算病理图像中气球样变性相关的测量值，所述纤维化测量模块用于计算病理图像中纤维化相关的测量值，所述病理评分计算模块依据上述四个测量模块得到的具体测量指标，结合肝脏结构识别模块获取的肝脏组织结构，进一步细化不同指标在不同肝脏组织结构区域中的度量。
2.根据权利要求1所述的一种人工智能评估非酒精性脂肪肝动物模型的系统，其特征在于，所述染色标准化模块实现方案为：建立第一深度神经网络，用于将任意h&e染色的数字病理图像转换为预设好的h&e染色风格的数字病理图像。
3.根据权利要求2所述的一种人工智能评估非酒精性脂肪肝动物模型的系统，其特征在于，所述肝脏组织结构识别模块实现方案为：建立第二深度神经网络，用于分割肝脏组织，分割得到的区域包括汇管区域、中央静脉区域、胆管区域、大血管区域和裂缝区域，并基于上述分割结果获得肝脏的分区 1区，2区和3区。
4.根据权利要求1所述的一种人工智能评估非酒精性脂肪肝动物模型的系统，其特征在于，所述肝脏病变识别实现方案为：建立第三深度神经网络，用于大泡性脂肪变、小泡性脂肪变和气球样变性肝细胞的识别；建立第四深度神经网络，用于炎症细胞团区域的分割；建立第五深度神经网络，用于假阳性炎症细胞团的去除；建立第六深度神经网络，用于将h&e染色的数字病理图像转换为马森三色染色的数字病理图像；对转换后的虚拟马森三色染色数字病理图像进行染色拆解得到胶原染色成分通道并通过阈值分割得到纤维化区域。
5.根据权利要求2所述的一种人工智能评估非酒精性脂肪肝动物模型的系统，其特征在于，所述第一深度神经网络的染色风格转换模型基于一组固定风格的h&e染色的病理图像和一组来源于不同实验室制片流程以及不同扫描仪扫描的h&e染色的病理图像作为训练集，采用cyclegan网络结构。
6.根据权利要求3所述的一种人工智能评估非酒精性脂肪肝动物模型的系统，其特征在于，所述第二深度神经网络的分割模型基于病理医生对上述不同组织结构区域的勾画结果，采用upernet网络结构或u-net或deeplab或mask-rcnn训练。
7.根据权利要求4所述的一种人工智能评估非酒精性脂肪肝动物模型的系统，其特征在于，所述第三深度神经网络的目标检测模型基于病理医生对大泡性脂肪变、小泡性脂肪变和气球样变性肝细胞的标注结果，采用yolov5或faster-rcnn或retinanet或ssd网络结构训练。
8.根据权利要求4所述的一种人工智能评估非酒精性脂肪肝动物模型的系统，其特征在于，所述第四深度神经网络的分割模型基于病理医生对炎症团区域的勾画结果，采用uper或netu-net或deeplab或mask-rcnn网络结构训练。
9.根据权利要求4所述的一种人工智能评估非酒精性脂肪肝动物模型的系统，其特征在于，所述第五深度神经网络的分类模型基于病理医生对炎症团区域的真实勾画结果以及第四深度神经网络的分割预测结果，采用resnet50或vgg或efficientnet结构训练；所述第六深度神经网络的染色风格转换模型基于一组h&e染色的肝脏病理图像和一组马森三色染色的肝脏病理图像作为训练集，采用cyclegan网络结构。
