基于深度迁移学习的前列腺癌细胞分类

• 作者: 唐李文 曹依琳 汪雅莉 平斯羽 胡文静 赵林
• 学科: 地球科学
• 关键词: 前列腺癌 偏振成像 迁移学习 卷积神经网络 细胞免标记分类
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 工程技术
• 页码范围: 7-12
• 页数: 5页
• 分类号: TP181
• 语种: 中文

摘要

前列腺癌是我国发病率增长最快的癌症之一。高效准确的前列腺癌细胞分析方法研究是生物医学、临床诊断等领域的热点问题。目前，直肠指诊法、经直肠超声检查法、特异性抗原测定法等前列腺癌早期诊断方法需专业人员操作、荧光标记且耗时耗力。针对以上问题，采用正交偏振衍射成像流式细胞仪实验系统，使用相干线性激光束照射细胞，由显微物镜收集散射光并经相机采集获得前列腺细胞的衍射图像。由于前列腺细胞衍射图像较难获取，实验中使用的前列腺细胞数据集样本数量较少。提出一种基于迁移学习的细胞残差卷积神经网络的前列腺细胞分类方法。该免标记检测方法通过迁移学习可以在其他训练收敛的网络模型上进行微调，进而得到可有效分析前列腺细胞特征的参数，从而实现对前列腺细胞的免标记精准分类，分类准确率为96.19%。