如需要完整文档点击下方 "点击下载文档" 按钮

黑色素细胞病变发生于皮肤表层，恶性病变即为致死率极高的黑色素瘤，严重危害人类健康，病理组织学分析是其诊断的金标准。本文对黑色素细胞病变病理全切片图像（WSI）进行分类研究，提出一种基于深度学习的黑色素细胞病变全流程智能化诊断方法。首先，基于CycleGAN神经网络对多中心病理WSI进行颜色校正；其次，通过745张WSI构建以ResNet-152神经网络为架构的深度卷积网络预测模块；然后，级联以预测概率平均值计算为核心的决策融合模块；最终，分别采用包含182张和54张WSI的内外部测试集验证所提方法的诊断性能。实验结果显示，所提方法的整体准确率在内部测试集上达到94.12%，在外部测试集上超越90%；采用的颜色校正方式在组织结构保持、伪影抑制方面均优于传统基于颜色统计或染色分离的方式。研究证实了本文所提方法可实现高精度、强鲁棒的黑色素细胞病变病理WSI分类，对推动临床病理人工智能辅助诊断具有重要的指导意义。

如需要完整文档点击下方 "点击下载文档" 按钮

《基于深度学习的黑色素细胞病变全流程智能化精准诊断》

将 完整文档 下载到本地，方便收藏和查阅

文件号：123945

点击下载文档