一种基于深度学习的大尺寸病理图像分割诊断方法

• 作者: 王艳红 叶海礼 朱晨雁 王大寒 李建敏
• 来源期刊: 中国数字医学
• 关键词: 病理图像 分析图像 分类语义分割
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: 智能医学与数字诊疗|Intelligent Medicine and Digital Diagnosis and Treatment
• 页码范围: 80-83
• 页数: 4页
• 分类号: R319
• 语种: 中文
• DOI: 10.3969/j.issn.1673-7571.2021.03.018

摘要

目的:为解决基于传统的计算机视觉类数据在处理全视野切片(病理)图像(Whole slide images,WSIs)面临尺寸大、纹理复杂、数量稀少和生成过程繁琐等问题.方法:通过病灶类型分类模型与病灶区域分割模型相互协作的辅助诊断方法,以及两个模型间的合作,实现超大尺寸的WSIs分析诊断与病灶区域分割,并在此基础上开发病理图像的实时诊断系统.结果:该方法在WSIs分析诊断上有较好的性能,每张WSIs的分析诊断时间都小于5 min,且精度优于同类算法.结论:该方法不仅提高了病理图像的诊断准确率,在处理超大尺寸的病理图像问题上速度也有很大提升,为开发病理图像的实时诊断系统提供了良好的技术支持.