基于改进的深度学习模型分类乳腺癌分子亚型

摘要

由于乳腺癌的高度异质性，不同分子亚型的乳腺癌在治疗和诊断方面都有着很大的差异，因此提高乳腺癌亚型诊断的准确性，对于进一步降低乳腺癌的误诊率，避免乳腺癌的过度治疗具有重要的意义。基于深度学习算法对TCIA数据库中的MRI乳腺癌医学图像进行了乳腺癌Luminal A和非Luminal A的分子亚型的分类研究。为了对比深度学习算法在分类乳腺癌分子亚型方面的优越性，使用TCGA数据库基因表达数据进行了乳腺癌分子亚型分类研究；在相同乳腺癌MRI图像数据库下，基于传统机器学习算法进行了乳腺癌分子亚型分类研究。在利用深度学习算法处理MRI图像时，对比了多种深度学习模型；微调VGG16网络，冻结卷积层；添加densenet网络模块改进了VGG16网络模型，即得到VGG16+densenet(4)模型。改进的VGG16网络模型的准确率达到0.96, AUC达到0.97；基因表达数据分类准确率为0.73, AUC为0.79；传统机器学习的分类准确率最高达到0.80, AUC达到0.87。实验结果表明，提出的VGG16+densenet(4)模型提高了乳腺癌分子亚型的准确率，具有更好的分类效果。

关键词

深度学习 / 乳腺癌分子亚型 / 传统机器学习 / 数据增强 / 基因表达数据