深度学习模型针对癌症周围组织,以基于基因病理图像进行准确的癌症诊断
Lanlan Li1, Yi Geng1, Tao Chen1
1Fujian Key Lab for Intelligent Processing and Wireless Transmission of Media Information, College of Physics and Information Engineering, Fuzhou University, Fuzhou, 350108, China.
Journal of translational medicine
|January 24, 2025
概括
这项研究介绍了DeepNCCNet,这是一种用于胃癌诊断的深度学习模型. 它突出了非癌症周围组织的诊断价值,提高了组织学图像分析的准确性.
科学领域:
- 数字病理学数字病理学
- 人工智能在瘤学中的应用
- 癌症微环境研究研究
背景情况:
- 准确的组织学诊断对于有效的癌症治疗至关重要.
- 深度学习模型有助于病理学家有效诊断癌症.
- 癌症周围的组织可能含有独特的特征,以改善诊断.
研究的目的:
- 开发一种深度学习框架,用于使用组织学图像进行胃癌诊断.
- 调查瘤周围的非癌症区域的诊断价值.
- 优化一个包含癌症和非癌症区域的模型.
主要方法:
- 提出了一个深度学习框架,对癌症周围组织进行微调.
- 采用了六种深度学习模型,针对不同癌症/非癌症比例的感兴趣区域 (ROI).
- 开发了DeepNCCNet,这是一个基于MobileNetV2的模型,优化了非癌症和癌症ROI的权重.
主要成果:
- 癌症诊断的模型性能取决于非癌症ROI的比例.
- 优化的DeepNCCNet在外部验证中实现了93.96%的准确性.
- 证明了出色的概括能力,证实了非癌症区域的诊断价值.
结论:
- 非癌症ROI受微环境和现场癌症影响,具有显著的诊断价值.
- DeepNCCNet为胃癌诊断提供了一个有前途的图像资源.
- 该模型适用于临床环境,特别是在有限的活检样本中.
更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.2K
04:48Application of Deep Learning-Based Medical Image Segmentation via Orbital Computed Tomography
Published on: November 30, 2022
2.6K