深度学习在组织病理学中的应用综述

摘要：

组织病理学是临床上肿瘤诊断的金标准,直接关系到治疗的开展与预后的评估.来自临床的需求为组织病理诊断提出了质量与效率两个方面的挑战.组织病理诊断涉及大量繁重的病理切片判读任务,高度依赖医生的经验,但病理医生的培养周期长,人才储备缺口巨大,病理科室普遍超负荷工作.近年来出现的基于深度学习的组织病理辅助诊断方法可以帮助医生提高诊断工作的精度与速度,缓解病理诊断资源不足的问题,引起了研究人员的广泛关注.本文初步综述深度学习方法在组织病理学中的相关研究工作.介绍了组织病理诊断的医学背景,整理了组织病理学领域的主要数据集,重点介绍倍受关注的乳腺癌、淋巴结转移癌、结肠癌的病理数据及其分析任务.本文归纳了数据的存储与处理、模型的设计与优化以及小样本与弱标注学习这3项需要解决的技术问题.围绕这些问题,本文介绍了包括数据存储、数据预处理、分类模型、分割模型、迁移学习和多示例学习等相关研究工作.最后总结了面向组织病理学诊断的深度学习方法研究现状,并指出当下研究工作可能的改进方向.

关键词：组织病理学、深度学习、卷积神经网络、迁移学习、多示例学习

所属期刊栏目：25

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家重点研发计划项目;中央高校基本科研业务费专项资金资助

在线出版日期：2020-11-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：1982-1993