卷积神经网络在膀胱肿瘤病理分级中的应用

摘要：

目的 运用卷积神经网络在膀胱镜图像中建立深度学习模型,区分膀胱肿瘤病理分级,为膀胱肿瘤治疗方式及预后提供依据.方法 选取济宁医学院附属医院2019年4月—2020年4月收治的138例膀胱肿瘤患者的病例资料,年龄25～89岁,平均64.2岁,其中乳头状瘤组34例,132张图像;低度恶性潜能乳头状瘤组11例,66张图像;低级别尿路上皮癌组36例,192张图像;高级别尿路上皮癌组57例,323张图像.713张图像按照8:2的比例创建一个训练和测试数据集.构建类似于VGG模型的卷积神经网络(CNN).训练组随机筛选570张图像用于训练,验证组143张图像进行验证,保存和加载权重文件,用于以后的预测.结果 经过图像识别训练的卷积神经网络(CNN s)区分乳头状瘤、低度恶性潜能乳头状瘤、低级别尿路上皮癌、高级别尿路上皮癌的分类损失函数为1.2069,准确率为49.29％.结论 构建卷积神经网路模型在预测膀胱肿瘤病理分级中有一定的辅助诊断价值.

关键词：人工智能;深度学习;卷积神经网络;膀胱肿瘤;膀胱镜检查

所属期刊栏目：6

分类号：R737.14(肿瘤学)

在线出版日期：2022-01-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：53-56