基于深度学习的结肠癌病理图片分类研究

• 作者: 钟碧霞 周冠群 许文琪 赵倩
• 来源期刊: 中国卫生统计
• 关键词: 结肠癌 深度学习 病理图像 诊断分类
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: 论著
• 页码范围: 363-367
• 页数: 5页
• 分类号: R735.3
• 语种: 中文
• DOI: 10.3969/j.issn.1002-3674.2021.03.010

摘要

目的 本研究探讨基于深度学习算法的结肠癌病理组织切片的诊断模型,对癌旁正常和肿瘤组织以及不同分化程度的肿瘤组织进行自动分类.方法 经公共数据库TCGA收集117名结肠癌患者的全切片病理图,分割成不重叠的4440张子图片,按8:1:1的比例随机划分成训练集、验证集和测试集.基于Python语言的TensorFlow框架,采用In-ception-v3模型和迁移学习算法构建模型.结果 对癌旁正常和肿瘤组织构建诊断模型,测试集的准确度为99.8％,灵敏度为99.7％,特异度为100％;对低分化和中分化肿瘤组织构建诊断模型,测试集的准确度为94.8％,灵敏度为94.4％,特异度为95.1％;对不同分化程度肿瘤组织构建三分类诊断模型,测试集中癌旁正常、中分化、低分化组织的准确度分别为100％、94.6％、95.2％.结论 利用Inception-v3模型和迁移学习算法对结肠癌病理组织切片构建诊断模型,具有较高准确度、查全率和查准率.