网站首页            期刊简介             编委会             投稿指南             期刊订阅             下载中心             在线留言            联系我们             English
   
文章快速检索
  在线办公
 
  在线期刊
最新录用
当期目录
过刊浏览
高级检索
摘要点击排行
全文下载排行
Email Alert
 
  下载中心
稿约
CJBME论文著作权转让书
论文待编稿致作者信
科学论文写作要点(附论文摘要写作提示)
综述写作要点(附综述摘要写作提示)
更多>>
 
  友情链接
北京玛格泰克科技发展有限公司
更多>>
2020年 39卷 3期
刊出日期:2020-06-20

论著
综述
简讯
 
       论著
257 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
李宝明, 胡佳瑞, 徐海俊, 王聪, 蒋燕妮, 张智弘, 徐军
DOI: 10.3969/j.issn.0258-8021. 2020. 03.01
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0.153 1和0.147 0, 比AlexNet+VGG16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。
2020 Vol. 39 (3): 257-264 [摘要] ( 317 ) HTML (1 KB)  PDF (6395 KB)  ( 186 )