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：中国卫生统计, 2021, 38(03): 363-367.

• 结肠癌
• 深度学习
• 病理图像
• 诊断分类

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Inception-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。

• 单位
  广州医科大学; 公共卫生学院