基于深度学习算法的胃炎组织病理学诊断系统（英文）

作者：巴伟; 王书浩; 刘灿城; 王跃峰; 石怀银; 宋志刚^*

来源：Chinese Medical Sciences Journal, 2021, 36(03): 204-209.

• 人工智能
• 深度学习
• 算法
• 胃炎
• 全切片病理图像

目的开发一种用于慢性胃炎病理分类的深度学习算法,并使用全切片病理图像(whole slide images,WSI)评估其性能。方法回顾性收集解放军总医院胃活检标本1,250例(胃炎1,128例,正常胃黏膜122例)。分别使用1,008张和100张WSIs,基于Deep Lab v3(Res Net-50)架构训练和验证深度学习算法,并在142张WSIs的独立测试集上测试该算法对不同胃炎亚型的诊断效能。结果模型为测试集中的慢性浅表性胃炎(chronic superficial gastritis,CSu G)、慢性活动性胃炎(chronic active gastritis,CAc G)和慢性萎缩性胃炎(chronic atrophic gastritis,CAt G)作出诊断所生成的受试者工作特征(receiver operating characteristic,ROC)曲线的曲线下面积分别为0.882、0.905和0.910。深度学习算法对CSu G、CAc G和CAt G分类的敏感性和特异性分别为0.790和1.000(准确度0.880)、0.985和0.829(准确度0.901)、0.952和0.992(准确度0.986)。对三种不同类型胃炎诊断的总体准确度为0.867。通过在WSI中标记算法识别的可疑区域,可以生成更为透明和可解释的诊断结果。结论深度学习算法使用WSI对慢性胃炎进行病理学分型具有较高的准确性。通过预先标记出不同类型胃炎的区域,深度学习算法可以作为辅助诊断工具,提高病理医生的工作效率。

• 单位
  中国人民解放军总医院