基于深度学习的前列腺癌判别算法研究

摘要：

前列腺癌是男性发病率较高的癌症之一,由于其起病隐匿,潜伏时间较长,所以提高早期诊断的准确率,有利于患者健康.磁共振成像作为前列腺癌检测的主要影像手段,将其与深度学习方法相结合,以建立高效的前列腺癌判别模型,为肿瘤预后评估提供重要手段.采集116名前列腺患者的MRT2WI图像,将其分为训练集和测试集,并对其进行图像增强和裁剪,减少周围组织的干扰,同时扩充图像的样本量,然后将其送入搭建好的AlexNet深度学习框架中进行图像特征等的学习.根据学习和训练反馈结果,对网络架构参数等进行优化,以便充分学习前列腺磁共振图像的特征,提高网络模型判别的准确率,经过改进后得到模型训练结果的准确率为0.977.用得到的模型对测试样本进行测试,得到测试准确率为0.967,AUC面积为0.91,可实现对前列腺癌有无的有效判别.

关键词：前列腺癌、深度学习、AlexNet、图像增强

所属期刊栏目：38

分类号：R318(医用一般科学)

资助基金：上海市科委医学引导项目12401907700;微创基金YS30810126

在线出版日期：2019-11-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：503-507