基于AI的高原地区胃癌及癌前病变病理辅助诊断装置

技术领域

本发明涉及人工智能技术领域，特别涉及基于AI的高原地区胃癌及癌前病变病理辅助诊断装置及方法。

背景技术

目前，AI(Artificial Intelligence，人工智能)在医学领域的应用展现了巨大的潜力，尤其是在胃癌及癌前病变病理诊断中。

传统的胃癌及癌前病变病理诊断需要依赖专家医生的经验和知识，但在高原地区存在专家医生的资源有限的问题，与此同时，由于高原地区人们与其他地区的人们之间的差异(例如：高原环境、饮食习惯以及维生素缺乏等)导致高原地区胃癌发病率较高，高原地区胃癌及癌前病变病理诊断的准确性和效率都较低。

有鉴于此，亟需一种基于AI的高原地区胃癌及癌前病变病理辅助诊断装置及方法。

发明内容

本发明目的之一在于提供了基于AI的高原地区胃癌及癌前病变病理辅助诊断装置，引入AI技术，利用高原地区胃癌及癌前病变病理的标注数据集，训练适宜于高原地区的胃癌与癌前病变辅助诊断模型，在高原地区资源有限的前提下，能够帮助高原地区资质一般的医疗人员辅助诊断，为病患后续就医提供指导，进而提高了胃癌诊断的准确性和效率。

本发明实施例提供的基于AI的高原地区胃癌及癌前病变病理辅助诊断装置，包括：

收集子系统，用于收集高原地区胃癌及癌前病变病理的标注数据集；

构建子系统，用于基于AI技术，根据标注数据集，构建待验证辅助诊断模型；

验证子系统，用于对待验证辅助诊断模型进行验证，获取验证通过的待测试辅助诊断模型；

测试子系统，用于对待测试辅助诊断模型进行应用场景测试，获取应用场景测试通过的胃癌与癌前病变辅助诊断模型；

辅助诊断子系统，用于基于胃癌与癌前病变辅助诊断模型，进行相应辅助诊断。

优选的，收集子系统，包括：

目标节点获取模块，用于获取合作平台节点，同时，获取大数据节点，将合作平台节点和大数据节点共同作为目标节点；

节点选择因子获取模块，用于根据预设的节点选择因子确定规则，获取目标节点的节点选择因子；

优选值和计算模块，用于根据每一目标节点对应的节点选择因子表征的优选值，计算目标节点的优选值和；

通信链路建立模块，用于建立本地节点与优选值和大于等于预设的第一阈值的目标节点之间通信链路；

收集需求获取模块，用于获取收集需求；

标注数据集获取模块，用于基于通信链路，根据收集需求，获取标注数据集。

优选的，优选值和计算模块，包括：

确定记录获取子模块，用于获取节点选择因子的确定记录；

评价因素获取子模块，用于基于预设的评价因素提取模板，根据确定记录，获取确定记录中的待选取量化策略的评价因素；

评价值输出子模块，用于将评价因素输入预设的策略评价模型，获取策略评价模型输出的待选取量化策略的评价值；

目标量化策略确定子模块，用于将评价值最高的待选取量化策略作为目标量化策略；

优选值确定子模块，用于根据目标量化策略，对相应节点选择因子进行量化，获得优选值；

选择权重获取子模块，用于解析节点选择因子确定规则，获取节点选择因子的选择权重；

计量值获取模块，用于将优选值与选择权重对应相乘，获得计量值，并与对应目标节点进行关联；

优选值和确定子模块，用于计算目标节点关联的计量值的加和值，获得优选值和。

优选的，验证子系统，包括：

验证数据集获取子系统，用于基于预设的验证数据采集规则，获取验证数据集；

待测试辅助诊断模型确定子系统，用于通过验证数据集验证待验证辅助诊断模型预设的第一目标指标，获取第一目标指标验证通过的待测试辅助诊断模型。

优选的，测试子系统，包括：

目标测试节点确定子系统，用于确定属于不同环境类型的目标测试节点，并获取目标测试节点的测试样本集；

第一诊断结果集确定子系统，用于基于待测试辅助诊断模型，根据测试样本集，确定第一诊断结果集；

第二诊断结果集确定子系统，用于获取目标测试节点提供的第二诊断结果集；

测试结果集获取子系统，用于根据第一诊断结果集和第二诊断结果集，获取待测试辅助诊断模型的第二目标指标的测试结果集；

胃癌与癌前病变辅助诊断模型确定子系统，用于根据测试结果中的每一测试结果，确定待测试辅助诊断模型中诊断表现最佳的待测试辅助诊断模型，并作为胃癌与癌前病变辅助诊断模型。

优选的，辅助诊断子系统，包括：

目标病理图像获取子系统，用于获取需要进行胃癌与癌前病变辅助诊断的待诊断患者的目标病理图像；

辅助诊断结果输出子系统，用于将目标病理图像输入胃癌与癌前病变辅助诊断模型，获得辅助诊断结果。

优选的，目标病理图像获取子系统，包括：

采集图像评价值获取模块，用于评价待诊断患者的胃部组织的采集图像，获得采集图像评价值；

目标病理图像确定模块，用于若采集图像评价值大于等于预设的第二阈值，将对应采集图像作为目标病理图像；

待纠正步骤获取模块，用于若采集图像评价值小于预设的第二阈值，解析采集图像评价值的评价步骤，获取采集图像的采集过程的待纠正步骤；

提醒模块，用于根据预设的提醒信息生成模板，生成待纠正步骤对应的提醒信息，并将提醒信息发送给相应的提醒人员。

优选的，采集图像评价值获取模块，包括：

从业信息获取子模块，用于获取采集待诊断患者的胃部组织的目标医师的从业信息；

适宜值评估模块，用于根据从业信息，评估目标医师采集的胃部组织的采集部位的适宜值，并将适宜值与对应待诊断患者的采集图像进行关联；

样本固定时间获取模块，用于获取胃部组织的采集时间，同时，获取胃部组织进行样本固定处理的样本固定时间；

时间间隔计算模块，用于计算采集时间与样本固定时间之间的时间间隔；

及时值确定模块，用于查询预设的时间间隔-及时值库，确定胃部组织进行样本固定处理的及时值，并与对应待诊断患者的采集图像进行关联；

切片制备流程获取模块，用于获取胃部组织的切片制备流程；

切片质量值输出模块，用于将切片制备流程输入预设的切片质量评价模型，获得胃部组织对应病理切片的切片质量值，并将切片质量值与对应待诊断患者的采集图像进行关联；

染色操作获取模块，用于获取病理切片的染色操作；

第一向量构建模块，用于根据染色操作的操作特征，构建描述染色操作的第一向量；

规范值确定模块，用于根据第一向量和预设的第二向量-规范值库，确定染色操作的规范值，并与对应待诊断患者的采集图像进行关联；

采集图像评价值累加模块，用于累加计算采集图像关联的适宜值、及时值、切片质量值和规范值，获得采集图像评价值。

本发明实施例提供的基于AI的高原地区胃癌及癌前病变病理辅助诊断装置，还包括：

建议生成子系统，用于根据辅助诊断结果，生成建议信息；

其中，建议生成子系统，包括：

第一医疗资源信息获取模块，用于获取待诊断患者所在第一地区的第一医疗资源信息；

第二医疗资源信息确定模块，用于基于预设的医疗资源确定模板，根据辅助诊断结果，确定待诊断患者所需的第二医疗资源信息；

大数据医疗资源推荐需求判定模块，用于根据第一医疗资源信息和第二医疗资源信息，进行大数据医疗资源推荐需求判定；

第三医疗资源信息获取模块，用于若大数据医疗资源推荐需求判定的判定结果为需要推荐，则获取推荐节点的第三医疗资源信息；

资源匹配值获取模块，用于将第三医疗资源信息和第二医疗资源信息进行资源匹配，获得资源匹配值；

路程信息获取模块，用于获取推荐节点所在的第二地区与第一地区之间的路程信息；

建议信息生成模块，用于根据资源匹配值和路程信息，生成建议信息。

本发明实施例提供的基于AI的高原地区胃癌及癌前病变病理辅助诊断方法，包括：

步骤1：收集高原地区胃癌及癌前病变病理的标注数据集；

步骤2：基于AI技术，根据标注数据集，构建待验证辅助诊断模型；

步骤3：对待验证辅助诊断模型进行验证，获取验证通过的待测试辅助诊断模型；

步骤4：对待测试辅助诊断模型进行应用场景测试，获取应用场景测试通过的胃癌与癌前病变辅助诊断模型；

步骤5：基于胃癌与癌前病变辅助诊断模型，进行相应辅助诊断。

本发明的有益效果为：

本发明引入AI技术，利用高原地区胃癌及癌前病变病理的标注数据集，训练适宜于高原地区的胃癌与癌前病变辅助诊断模型，在高原地区资源有限的前提下，能够帮助高原地区资质一般的医疗人员辅助诊断，为病患后续就医提供指导，进而提高了胃癌诊断的准确性和效率。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1为本发明实施例中基于AI的高原地区胃癌及癌前病变病理辅助诊断装置的示意图；

图2为本发明实施例中基于AI的高原地区胃癌及癌前病变病理辅助诊断方法的示意图。

具体实施方式

以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。

本发明实施例提供了基于AI的高原地区胃癌及癌前病变病理辅助诊断装置，如图1所示，包括：

收集子系统1，用于收集高原地区胃癌及癌前病变病理的标注数据集；标注数据集为：大量经过人工标注的胃癌和癌前病变的病理图像数据，收集时，可以从本地医院或者研究机构的数据库中获取，也可以从大数据平台上公开的其他数据库(例如：国际癌症基因组共享计划以及癌症基因组图谱)中获取；

构建子系统2，用于基于AI技术，根据标注数据集，构建待验证辅助诊断模型；AI技术(Artificial Intelligence，人工智能)属于现有技术范畴，其原理不作赘述)；构建待验证辅助诊断模型时，可以根据深度卷积神经网络和标注数据集进行神经网络模型训练，获得训练至收敛的待验证辅助诊断模型；

验证子系统3，用于对待验证辅助诊断模型进行验证，获取验证通过的待测试辅助诊断模型；对待验证辅助诊断模型进行验证时，需要验证模型的准确性、召回率和特异性等指标，以确定模型的性能和可靠性；

测试子系统4，用于对待测试辅助诊断模型进行应用场景测试，获取应用场景测试通过的胃癌与癌前病变辅助诊断模型；对待测试辅助诊断模型进行应用场景测试为：通过连续活检样本模拟待测试辅助诊断模型在真实应用场景下的诊断稳定性；

辅助诊断子系统5，用于基于胃癌与癌前病变辅助诊断模型，进行相应辅助诊断。进行辅助诊断时，胃癌与癌前病变辅助诊断模型将辅助诊断的诊断结果通过辅助诊断装置上的显示设备可视化的呈现给高原地区的医疗人员，为医疗人员提供参考。

上述技术方案的工作原理及有益效果为：

本申请引入AI技术，根据收集的高原地区胃癌及癌前病变病理的标注数据集，构建待验证辅助诊断模型。对待验证辅助诊断模型进行验证，获取验证通过的待测试辅助诊断模型。接着对待测试辅助诊断模型进行应用场景测试，获取应用场景测试通过的胃癌与癌前病变辅助诊断模型。利用胃癌与癌前病变辅助诊断模型为高原地区的医疗人员提供辅助诊断。

本申请引入AI技术，利用高原地区胃癌及癌前病变病理的标注数据集，训练适宜于高原地区的胃癌与癌前病变辅助诊断模型，在高原地区资源有限的前提下，能够帮助高原地区资质一般的医疗人员辅助诊断，为病患后续就医提供指导，进而提高了胃癌诊断的准确性和效率。

在一个实施例中，收集子系统，包括：

目标节点获取模块，用于获取合作平台节点，同时，获取大数据节点，将合作平台节点和大数据节点共同作为目标节点；合作平台节点为：与本地医疗机构合作的医疗机构的通信节点；大数据节点为：大数据获取的医疗机构的通信节点；

节点选择因子获取模块，用于根据预设的节点选择因子确定规则，获取目标节点的节点选择因子；预设的节点选择因子确定规则由有经验的工作人员预先设置，节点选择因子确定规则是用于确定节点选择因子的规则，节点选择因子为：节点选择因素，例如：目标节点对应的医疗机构的运营年限；

优选值和计算模块，用于根据每一目标节点对应的节点选择因子表征的优选值，计算目标节点的优选值和；优选值为：节点选择因子对应表征的目标节点选择的优先程度，优选值和为目标节点对应的所有节点选择因子对应表征的总的优先选择程度；

通信链路建立模块，用于建立本地节点与优选值和大于等于预设的第一阈值的目标节点之间通信链路；本地节点为：本地医疗机构的通信节点；预设的第一阈值由人工预先设置；通信链路为：本地节点与目标节点之间的数据传输链路；

收集需求获取模块，用于获取收集需求；收集需求为：标注数据的收集信息，例如：需要收集何种数据以及收集数量为多少；

标注数据集获取模块，用于基于通信链路，根据收集需求，获取标注数据集。

上述技术方案的工作原理及有益效果为：

本申请引入节点选择因子确定规则，确定目标节点的节点选择因子，并计算每一目标节点对应的节点选择因子表征的优选值，获得优选值和，提高了优选值和计算的规范性；确定优选值和大于等于第一阈值的目标节点，并与本地节点建立通信链路。根据收集需求，获取标注数据集，标注数据集的获取更合理。

在一个实施例中，优选值和计算模块，包括：

确定记录获取子模块，用于获取节点选择因子的确定记录；确定记录为：节点选择因子的量化过程记录；

评价因素获取子模块，用于基于预设的评价因素提取模板，根据确定记录，获取确定记录中的待选取量化策略的评价因素；评价因素提取模板为：约束只进行评价因素的提取，不提取其他内容；待选取量化策略为：确定记录中记载的节点选择因子的量化方法；评价因素为，例如：策略来源；

评价值输出子模块，用于将评价因素输入预设的策略评价模型，获取策略评价模型输出的待选取量化策略的评价值；预设的策略评价模型为：预先设置用于代替人工进行策略评价的人工智能模型；评价值为，例如：85，评价值越高，对应待选取量化策略越有可能被采用；

目标量化策略确定子模块，用于将评价值最高的待选取量化策略作为目标量化策略；

优选值确定子模块，用于根据目标量化策略，对相应节点选择因子进行量化，获得优选值；

选择权重获取子模块，用于解析节点选择因子确定规则，获取节点选择因子的选择权重；选择权重确定时，获取节点选择因子对应的因子类型，确定因子类型对应预设的权重指数(例如：0.6)，并作为选择权重；

计量值获取模块，用于将优选值与选择权重对应相乘，获得计量值，并与对应目标节点进行关联；

优选值和确定子模块，用于计算目标节点关联的计量值的加和值，获得优选值和。

上述技术方案的工作原理及有益效果为：

本申请引入节点选择因子的确定记录，根据评价因素提取模板，获取确定记录中的待选取量化策略的评价因素，并引入策略评价模型，智能化的输出待选取量化策略的评价值，确定评价值最高的目标量化策略对节点选择因子进行量化获取优选值，同时，解析节点选择因子确定规则获取节点选择因子的选择权重，根据优选值与选择权重共同确定优选值和，优选值和的确定过程更加合理且精确。

在一个实施例中，验证子系统，包括：

验证数据集获取子系统，用于基于预设的验证数据采集规则，获取验证数据集；预设的验证数据采集规则由人工预先设置，是约束验证数据采集行为的规则；

待测试辅助诊断模型确定子系统，用于通过验证数据集验证待验证辅助诊断模型预设的第一目标指标，获取第一目标指标验证通过的待测试辅助诊断模型。预设的第一目标指标为：模型的准确性、召回率和特异性。

上述技术方案的工作原理及有益效果为：

本申请引入验证数据采集规则获取验证数据集，并根据第一目标指标，获取第一目标指标验证通过的待测试辅助诊断模型，提高了待测试辅助诊断模型的可靠性。

在一个实施例中，测试子系统，包括：

目标测试节点确定子系统，用于确定属于不同环境类型的目标测试节点，并获取目标测试节点的测试样本集；环境类型为：目标测试节点对应医疗机构所在的环境，例如：海拔高度；测试样本集为：胃癌、癌前病变及正常黏膜的诊断数据；

第一诊断结果集确定子系统，用于基于待测试辅助诊断模型，根据测试样本集，确定第一诊断结果集；第一诊断结果集为：将测试样本集中的测试样本输入待测试辅助诊断模型获得输出的第一诊断结果的集合；

第二诊断结果集确定子系统，用于获取目标测试节点提供的第二诊断结果集；第二诊断结果集为：目标测试节点提供的测试样本对应的诊断结果的集合；

测试结果集获取子系统，用于根据第一诊断结果集和第二诊断结果集，获取待测试辅助诊断模型的第二目标指标的测试结果集；测试结果集包括：多个评价待测试辅助诊断模型的鲁棒性的指标；

胃癌与癌前病变辅助诊断模型确定子系统，用于根据测试结果中的每一测试结果，确定待测试辅助诊断模型中诊断表现最佳的待测试辅助诊断模型，并作为胃癌与癌前病变辅助诊断模型。

上述技术方案的工作原理及有益效果为：

本申请引入属于不同环境类型的目标测试节点，并获取目标测试节点的测试样本集，根据测试样本集，确定第一诊断结果集，根据第一诊断结果集和获取的目标测试节点提供的第二诊断结果集，确定测试结果集，根据测试结果中的每一测试结果，确定待测试辅助诊断模型中诊断表现最佳的待测试辅助诊断模型作为胃癌与癌前病变辅助诊断模型，提高了模型测试的全面性，也提高了胃癌与癌前病变辅助诊断模型的泛化能力。

在一个实施例中，辅助诊断子系统，包括：

目标病理图像获取子系统，用于获取需要进行胃癌与癌前病变辅助诊断的待诊断患者的目标病理图像；目标病理图像为：需要进行胃癌与癌前病变辅助诊断的待诊断患者的病理切片图像；

辅助诊断结果输出子系统，用于将目标病理图像输入胃癌与癌前病变辅助诊断模型，获得辅助诊断结果。辅助诊断结果为，例如：胃黏膜低级别或高级别上皮内瘤变。

上述技术方案的工作原理及有益效果为：

本申请将获取的待诊断患者的目标病理图像输入胃癌与癌前病变辅助诊断模型，获得辅助诊断结果，更加智能且人性化。

在一个实施例中，目标病理图像获取子系统，包括：

采集图像评价值获取模块，用于评价待诊断患者的胃部组织的采集图像，获得采集图像评价值；评价待诊断患者的采集图像时，需要从多方面因素考虑，例如：胃部组织采集部位是否适宜、胃部组织的样本固定时间是否及时、切片质量是否合格以及染色操作是否规范，评价值越高，对应采集图像越可用作为目标病理图像；

目标病理图像确定模块，用于若采集图像评价值大于等于预设的第二阈值，将对应采集图像作为目标病理图像；预设的第二阈值由人工预先设置；

待纠正步骤获取模块，用于若采集图像评价值小于预设的第二阈值，解析采集图像评价值的评价步骤，获取采集图像的采集过程的待纠正步骤；评价步骤为，例如：评价胃部组织的样本固定时间是否及时；待纠正步骤为：需要纠正的胃部组织处理步骤，例如：胃部组织的样本固定；

提醒模块，用于根据预设的提醒信息生成模板，生成待纠正步骤对应的提醒信息，并将提醒信息发送给相应的提醒人员。预设的提醒信息生成模板约束只生成提醒信息，例如：“您的样本固定时间不及时，建议重新取样”；提醒人员为：待纠正步骤对应的操作人员。

上述技术方案的工作原理及有益效果为：

本申请评价待诊断患者的胃部组织的采集图像，获得采集图像评价值，当采集图像评价值符合要求时，确定对应采集图像作为目标病理图像，否则，解析评价步骤，确定采集图像的采集过程的待纠正步骤提醒相应提醒人员，提高了目标病理图像获取的准确性，进一步提高了后续辅助诊断的精准性。

在一个实施例中，采集图像评价值获取模块，包括：

从业信息获取子模块，用于获取采集待诊断患者的胃部组织的目标医师的从业信息；从业信息为：目标医师的医疗资质信息，例如：属于哪一科以及从业年限等；

适宜值评估模块，用于根据从业信息，评估目标医师采集的胃部组织的采集部位的适宜值，并将适宜值与对应待诊断患者的采集图像进行关联；评估目标医师采集的胃部组织的采集部位的适宜值时，根据从业信息，确定适宜值评估的评估因素(例如：胃病诊断的从业年限)，根据评估因素，确定适宜值；

样本固定时间获取模块，用于获取胃部组织的采集时间，同时，获取胃部组织进行样本固定处理的样本固定时间；采集时间为：胃部组织的取样时间；样本固定时间为：对胃部组织进行样本固定处理的时间；

时间间隔计算模块，用于计算采集时间与样本固定时间之间的时间间隔；时间间隔为：采集时间与样本固定时间之间的时间差值；

及时值确定模块，用于查询预设的时间间隔-及时值库，确定胃部组织进行样本固定处理的及时值，并与对应待诊断患者的采集图像进行关联；预设的时间间隔-及时值库为数据库，包括多个一一对应的时间间隔和及时值，时间间隔越大，对应及时值越大；

切片制备流程获取模块，用于获取胃部组织的切片制备流程；切片制备流程为：胃部组织的组织切片制作过程图像；

切片质量值输出模块，用于将切片制备流程输入预设的切片质量评价模型，获得胃部组织对应病理切片的切片质量值，并将切片质量值与对应待诊断患者的采集图像进行关联；预设的切片质量评价模型为：预先设置的用于代替人工进行切片质量评价的人工智能模型，质量值越高，对应组织切片的厚度以及形状越标准；

染色操作获取模块，用于获取病理切片的染色操作；染色操作为：病理切片的染色行为；

第一向量构建模块，用于根据染色操作的操作特征，构建描述染色操作的第一向量；操作特征为：染色行为的行为特征(例如：何种行为以及持续时间等)，基于特征提取技术提取；基于操作特征，构建第一向量，基于特征构建向量属于现有技术，不作赘述；

规范值确定模块，用于根据第一向量和预设的第二向量-规范值库，确定染色操作的规范值，并与对应待诊断患者的采集图像进行关联；预设的第二向量-规范值库包括：多个一一对应的第二向量和规范值，确定规范值时，将第一向量与每一第二向量进行向量匹配，若匹配符合，将匹配符合的第二向量对应的规范值作为第一向量对应的染色操作的规范值，规范值为，例如：90，规范值越大，对应染色操作越规范；

采集图像评价值累加模块，用于累加计算采集图像关联的适宜值、及时值、切片质量值和规范值，获得采集图像评价值。

上述技术方案的工作原理及有益效果为：

本申请根据目标医师的从业信息评估目标医师采集的胃部组织的采集部位的适宜值，更加合理；根据胃部组织的采集时间与样本固定时间之间的时间间隔和引入的时间间隔-及时值库，确定胃部组织进行样本固定处理的及时值，提高了及时值获取的规范性；根据获取的胃部组织的切片制备流程和引入的切片质量评价模型，确定切片质量值，切片质量值的获取更精确；引入病理切片的染色操作的操作特征构建第一向量，基于向量匹配技术，根据第一向量和预设的第二向量-规范值库，确定染色操作的规范值，提高了规范值的准确程度，求和计算采集图像关联的适宜值、及时值、切片质量值和规范值，获得采集图像评价值，采集图像评价值的获取更全面且准确。

本发明实施例提供了基于AI的高原地区胃癌及癌前病变病理辅助诊断装置，还包括：

建议生成子系统，用于根据辅助诊断结果，生成建议信息；

其中，建议生成子系统，包括：

第一医疗资源信息获取模块，用于获取待诊断患者所在第一地区的第一医疗资源信息；第一地区为，例如：xx市；第一医疗资源信息为，例如：某某科专家医生的数量以及某某评级的医疗点的数量；

第二医疗资源信息确定模块，用于基于预设的医疗资源确定模板，根据辅助诊断结果，确定待诊断患者所需的第二医疗资源信息；预设的医疗资源确定模板约束只生成医疗资源信息，不生成其他内容；第二医疗资源信息为：待诊断患者需要的医疗资源信息；

大数据医疗资源推荐需求判定模块，用于根据第一医疗资源信息和第二医疗资源信息，进行大数据医疗资源推荐需求判定；进行大数据医疗资源推荐需求判定时，若第一医疗资源信息包括第二医疗资源信息，说明本地拥有治疗辅助诊断结果对应疾病的能力，则不用进行大数据医疗资源推荐，否则需要推荐；

第三医疗资源信息获取模块，用于若大数据医疗资源推荐需求判定的判定结果为需要推荐，则获取推荐节点的第三医疗资源信息；推荐节点为：大数据获取的医疗资源节点；第三医疗资源信息为：医疗资源节点能够提供的医疗资源信息；

资源匹配值获取模块，用于将第三医疗资源信息和第二医疗资源信息进行资源匹配，获得资源匹配值；资源匹配时，匹配和第二医疗资源信息的资源类型一致的资源信息即可，资源匹配值越高，对应推荐节点相应的医疗机构越有治疗对应患者辅助诊断的疾病的能力；

路程信息获取模块，用于获取推荐节点所在的第二地区与第一地区之间的路程信息；第二地区为：推荐节点所在医疗机构的所在地区；路程信息为，例如：500km；

建议信息生成模块，用于根据资源匹配值和路程信息，生成建议信息。建议信息生成时，按照资源匹配值从高到低的顺序显示推荐节点，并将推荐节点的路程信息同步显示。

上述技术方案的工作原理及有益效果为：

本申请引入医疗资源确定模板，确定待诊断患者需要的第二医疗资源信息，根据第二医疗资源信息和获取的待诊断患者所在第一地区的第一医疗资源信息，进行大数据医疗资源推荐需求判定，当存在大数据医疗资源推荐需求时，获取推荐节点的第三医疗资源信息，并将第三医疗资源信息和第二医疗资源信息进行资源匹配，获得资源匹配值，同时，引入推荐节点的第二地区的路程信息，根据资源匹配值和路程信息共同生成建议信息，提升了大数据资源的共享性，也更加人性化。

本发明实施例提供了基于AI的高原地区胃癌及癌前病变病理辅助诊断方法，如图2所示，包括：

步骤1：收集高原地区胃癌及癌前病变病理的标注数据集；

步骤2：基于AI技术，根据标注数据集，构建待验证辅助诊断模型；

步骤3：对待验证辅助诊断模型进行验证，获取验证通过的待测试辅助诊断模型；

步骤4：对待测试辅助诊断模型进行应用场景测试，获取应用场景测试通过的胃癌与癌前病变辅助诊断模型；

步骤5：基于胃癌与癌前病变辅助诊断模型，进行相应辅助诊断。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。