基于深度级联网络的乳腺淋巴结全景图像的癌转移区域自动识别
Chinese Journal of Biomedical Engineering（2020）
摘要
淋巴结癌转移区域的自动识别是乳腺癌病理分期的重要前提.但由于全景图像尺寸巨大,组织形态复杂多样,在乳腺淋巴结全景图像中自动检测和定位癌转移区域具有很大的难度.设计一种基于深度级联网络的方法,实现对乳腺淋巴结全景图像癌转移区域的自动定位与识别.采用由粗定位到精定位的两个深度网络模型级联的方式,首先基于医生标记的癌转移区域,提取阳性与阴性图像块训练粗定位网络VGG16得到粗定位结果,然后对比粗定位结果与医生标记提取阳性和假阳性区域的图像块,再训练精定位的ResNet50网络用于识别阳性和假阳性区域.为了验证所提出深度级联网络的有效性,选用Camelyon16公开的共400张乳腺淋巴结全景图像数据集用作训练和测试.结果 表明,所提出的VGG16+ResNet50级联网络模型的定位指标FROC得分达到0.891 2,分别比单个深度网络模型VGG16和ResNet50的FROC得分高0.1531和0.147 0,比AlexNet+ VGG 16级联的网络模型FROC得分高0.028 8,显示深度级联网络模型对淋巴结癌转移区域可以实现更加精准的识别.
更多AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要