节点文献

深度学习图像分割算法在胃癌病理切片中的可行性分析

免费订阅

【作者】 梁桥康南洋项韶梅丽孙炜于观贞

【Author】 LIANG Qiao-kang;NAN Yang;XIANG Shao;MEI Li;SUN Wei;YU Guan-Zhen;National Engineering Laboratory for Robot Vision Perception and Control, College of Electrical and Information Engineering, Hunan University, Hunan Key Laboratory of Intelligent Robot Technology in Electronic Manufacturing;Department of Oncology (Ⅶ), Longhua Hospital Affiliated to Shanghai University of Traditional Chinese Medicine;

【通讯作者】 孙炜;于观贞;

【机构】 湖南大学电气与信息工程学院机器人视觉感知与控制技术国家工程实验室电子制造业智能机器人技术湖南省重点实验室上海中医药大学附属龙华医院肿瘤七科

【摘要】 目的采用基于深度学习的胃癌病理切片分割算法实现对癌症区域的识别。方法以U-Net网络为基本架构设计更深层次的胃癌病理切片分割算法模型Deeper U-Net(DU-Net)。采用区域重叠分割法将数据集分割成若干小块图片,然后利用预先训练好的DU-Net网络模型对分割的小图片块进行初次分割,并使用图片分类器清除假阳性样本,重新合成新样本。采用重复学习的方法使用新样本进行多次重复训练,将得到的结果应用全连接条件随机场(CRF)进行后续处理。最终得到胃癌分割图片并验证结果。结果经过3次重复学习后,DU-Net网络模型的平均精度为91.5%,平均交叉联合度量(IoU)为88.4%;相比于未经重复学习的基础DU-Net模型,其平均精度提升了5.6%,平均IoU提升了2.9%。结论基于深度学习的胃癌病理切片分割算法实现了精准的分割,提高了模型的泛化能力和鲁棒性,可用于辅助胃癌病理诊断。

【基金】 国家自然科学基金(61673163);湖南省自然科学基金(2016JJ3045);电子制造业智能机器人技术湖南省重点实验室(IRT2018003)~~
【所属期刊栏目】 论著 (2018年08期)
  • 【DOI】10.16781/j.0258-879x.2018.08.0903
  • 【分类号】R735.2;TP391.41
  • 【被引频次】1
  • 【下载频次】493
节点文献中: 

本文链接的文献网络图示:

浏览历史:
下载历史: