基于深度学习的口腔鳞癌的诊断与分割方法

作者：李练兵; 芮莹莹; 尚建伟; 李政宇; 李铎

来源：计算机应用与软件, 2021, 38(11): 219-225.

• 鳞状上皮细胞癌
• 病理切片
• 深度学习
• 图像识别

针对实际应用中要对图片分类并对癌变图进行癌变区域定位的需求,收集天津市口腔医院典型病例,建立口腔细胞病理切片图像数据集,提出基于深度学习的诊断与分割方法。采用以DenseNet为架构的卷积神经网络对图像进行正常与癌变的分类,利用图像分块思想对高分辨率图像分块进行训练,采用迁移学习和数据增强方法减少过拟合问题的发生。分类完成后,使用以DenseNet网络作为编码结构的UNet++分割网络对判断为癌变的图像进行癌变区域定位,采用组合交叉熵方法确定损失函数进行调优。实验表明,该方法能够较好地完成口腔细胞切片图像的分类识别,识别准确率达98.46%,与金标准对比,得到了较理想的分割结果。该方法有助于口腔细胞病理自动诊断系统的开发,可用于口腔鳞癌病理辅助诊断。

• 单位
  河北工业大学; 天津市口腔医院