评估用于胰腺癌诊断的深度学习模型
Daohong Li1,2, Hui He1,2, Jinxing Hu1,2
1Department of Pathology, Henan Provincial People's Hospital, Zhengzhou, 450003, P. R. China.
Clinical and experimental medicine
|February 26, 2026
概括
人工智能 (AI) 模型可以从组织图像中准确检测胰腺癌. 在改善早期诊断方面,ResNet深度学习模型的准确性高于VGG.
科学领域:
- 在瘤学瘤学.
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 胰腺癌具有攻击性,因此早期检测对生存至关重要.
- 组织病理学图像分析是癌症诊断的关键.
- 深度学习 (DL) 在基于医学图像的疾病识别方面表现有前途.
研究的目的:
- 评估深度学习模型,以区分胰腺癌与正常组织.
- 为了比较剩余神经网络 (ResNet) 和视觉几何组网络 (VGG) 在此任务中的性能.
主要方法:
- 收集并预处理了3000张H&E染色的正常和癌症胰腺组织的组织病理学图像.
- 使用PyTorch框架培训和测试ResNet和VGG深度学习模型.
- 利用K折交叉验证来评估模型的概括性.
主要成果:
- ResNet实现了92.27%的准确性和0.92的F1得分.
- VGG实现了86.01%的准确率和0.86的F1得分.
- ResNet在区分胰腺癌组织方面表现出卓越的表现.
结论:
- 深度学习模型,特别是ResNet,显示了提高胰腺癌诊断准确性的巨大潜力.
- 这些人工智能工具可以在临床环境中促进更早,更精确的检测.
- 人工智能在组织病理学方面的进一步发展可能会改善胰腺癌患者的治疗结果.