科研之友
微信
新浪微博
Facebook
分享链接
摘要
目的 针对肾透明细胞癌(clear cell renal cell carcinoma, ccRCC)数字病理图像，研究设计人工智能肿瘤区域的分割方法辅助相对完整且智能的病理诊断，以提高准确率和工作效率。方法 对69例230张HE染色的ccRCC肿瘤区域数字病理图像进行数据的获取和预处理、分类网络SENet的搭建和训练、肿瘤区域的预测和分析，以敏感性、特异性、准确率和受试者工作特征曲线下面积(AUC)等指标来作为网络分类性能的衡量指标。结果 人工智能技术可对ccRCC全数字病理图像的肿瘤区域进行自动分割、能敏感直观标注肿瘤的位置和大小，69例HE染色SENet算法的敏感性为94.29%、特异性为99.06%、准确率为96.67%、AUC为96.68%。结论 人工智能技术在形态复杂的数字病理图像中有独特的敏感性和对庞大复杂的数据有强大的建模表征处理能力，且在算法应用类型、图像分析深度和范围方面有持续创新发展的空间，能辅助提高ccRCC肿瘤区域图像识别的客观性和准确性。
- 单位
