深度学习图片分类模型ResNet-18用于判定口腔鳞状细胞癌浸润方式的初步研究

摘要：

目的:探究深度学习网络模型(ResNet-18)用于判定口腔鳞状细胞癌(oral squamous cell carcinoma,OSCC)最差浸润方式(worst pattern of invasion,WPOI)的可行性及效果.方法:应用 ResNet-18模型对收集的491张OSCC患者数字化病理切片进行研究,训练其识别并区分非肿瘤区域、WPOI 1～3级、WPOI 4～5级,利用分类准确率对模型进行评估.结果:ResNet-18神经网络可以有效区分 OSCC非肿瘤区域、WPOI 1～3级、WPOI 4～5级,其准确率可达99.5%.结论:深度学习网络模型ResNet-18可以有效区分 OSCC非肿瘤区域、WPOI 1～3级、WPOI 4～5级,辅助医师提高诊断速度.

关键词：口腔鳞状细胞癌、病理、深度学习、残差神经网络、最差浸润方式

所属期刊栏目：39

分类号：TP391.41;R739.8;TP183

资助基金：南京大学医学院附属口腔医院骨干人才资助项目;江苏省重点研发计划项目

在线出版日期：2023-11-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：917-922