基于病理图像的DCNN鼻咽癌诊断模型和算法

摘要：

鼻咽癌是一类高发的恶性肿瘤,实现其快速诊断具有重要意义.该文提出了一种基于深度卷积神经网络(DCNN)的病理图像数据肿瘤区域自动检测和诊断方法.通过在病理切片像素20000*20000中检测和定位出像素大小为256*256的肿瘤区域,将提取到的不同分辨率下patch通过VGG-16网络(10x,20x)模型提取浅层特征,并将其输入Inception-V3网络的后半部分与Inception-V3提取的40x patch的特征进行融合,以此建立基于病理图像鼻咽癌融合诊断模型,在机制上可提升分析性能并降低假阳性率.实际资料处理结果表明,对于鼻咽癌的检测准确率达到91.5%,较大提高了诊断准确率.

关键词：鼻咽癌诊断、深度卷积网络、特征融合、多尺度分析、学习算法

所属期刊栏目：14

分类号：TP183(自动化基础理论)

资助基金：山东省科学院创新工程专项资助;山东省重点研发计划"面向基层医疗的低成本云健康检测设备研发与综合医疗云服务平台建设"2015GGH309003

在线出版日期：2018-07-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：183-185