首页|基于深度学习的肺癌计算机辅助诊断

基于深度学习的肺癌计算机辅助诊断

Computer-aided diagnosis of lung carcinoma using deep learning

扫码查看
原文链接
  • NETL
  • NSTL
  • 维普
  • 万方数据
目的 比较不同传统深度学习模式在肺癌诊断和分类中的应用价值.方法 选取2016年1月至2017年11月在长沙市第一医院肿瘤内科接受治疗的33例患者为研究对象.获取非小细胞肺癌和小细胞肺癌活检标本,并进行染色.切片标本由2名经验丰富的病理学家进行诊断.采用多种深度学习方法区分癌症和非癌症活检.比较不同传统深度学习模式在肺癌诊断和分类中的应用价值.结果 研究测试了几种流行的基于图像块分类的CNN架构:AlexNet、VGG、ResNet和SqueezeNet,比较两种类型的训练方案:从零开始训练和对整个预训练网络进行微调.深度学习模型AUC更合理(0.8810～0.9119),除ResNet-50外,从零开始训练的AUC高于对整个网络的微调.结论 通过深度学习分析,可加快对全切片图像(WSI)的检测速度,且与病理学家保持相似的检出率.

李斌、李科宇、汤渝玲、李慧

展开 >

南华大学附属长沙医院,湖南 长沙 410005

长沙市第一医院呼吸内科,湖南 长沙 410005

深度学习 卷积神经网络 人工智能 肺癌 诊断

湖南省卫生计生委科研计划课题长沙市科技计划项目湖南省自然科学基金

B20180393kq18011332019JJ80111

2021

10.3969/j.issn.1009-4393.2021.09.035

当代医学
中国医疗保健国际交流促进会

当代医学

影响因子：1.122
ISSN：1009-4393
年,卷(期)：2021.27(9)
  • 5
  • 20