基于深度学习的图像智能识别算法在食管癌病理诊断应用的初步研究

摘要

目的 构建一套高效的食管HE组织切片图像智能识别算法，以辅助医师提升诊断效率与准确性。方法 基于人工智能，采用全视野扫描图像下的食管癌HE组织切片进行模型训练，并以卷积神经网络(CNN)为基础，构建两种自动识别框架。其一为基础CNN框架，以ResNet-18为骨干网络，用于保障基础分类能力；其二为针对小样本分类性能与特征区分难题，提出ACNNC(Attention+CNN+CLAHE)框架。该框架将对比度限制自适应直方图均衡化(CLAHE)预处理与通道—空间双注意力机制深度融合，以解决食管癌HE切片中细微病变特征提取难的问题。结果 ACNNC对食管癌HE组织切片影像的识别性能稳定，F1分数达到0.80,召回率为0.81,精确率为0.75;与现有主流模型相比，本文模型在各指标上均显著更优(P<0.05)。结论 本研究为计算机辅助食管癌病理诊断提供了解决方案，有助于改善食管癌病理诊断中重复性低、漏诊、误诊等问题，具备重要临床应用价值。

关键词

深度学习 / 食管癌 / 目标检测 / 注意力机制 / 计算机辅助诊断

基金资助

河南省科技攻关计划项目(232102310222)