基于病理图像集成深度学习的胃癌预后预测方法
病理图像分析对胃癌的诊断和预后具有重要意义,但在临床应用上仍然面临着目视阅片一致性低、多分辨率图像差异大等挑战.为此,该文提出一种基于病理图像集成深度学习的胃癌预后预测方法.首先,对患者不同分辨率下的病理图像进行切分、筛选等预处理;然后,采用ResNet,MobileNetV3,EfficientNetV2深度学习方法分别对不同分辨率下的切片(Tile)进行深度特征提取和融合,以此获得患者层面(Patient-level)的单分辨率子分类器预测结果;最终,采用双重集成策略对不同分辨率下异质子分类器预测结果进行融合以获得患者层面的预后预测结果.实验中收集了250例胃癌患者的组织病理图像,并以远处转移预测为例进行验证,实验结果表明,所提方法在测试集上的预测准确率为89.10%,敏感度为89.57%,特异度为88.61%,马修斯相关系数为78.19%,相比于单模型预测结果获得了显著提升,可为胃癌患者的治疗和预后提供重要参考.
病理图像、集成学习、深度学习、胃癌、预后预测
45
TN911.73;TP391.41
2023-08-21(万方平台首次上网日期,不代表论文的发表时间)
共11页
2623-2633