基于深度学习的多亚型腹膜后软组织肉瘤诊断

姜永军; 李红玲; 阮萍; 陈路; 李艳春; 胡庆; 谢功勋; 孟云鹤

doi:10.13471/j.cnki.acta.snus.ZR20240309

中山大学学报（自然科学版中英文） ›› 2025, Vol. 64 ›› Issue (03) : 156 -164. DOI: 10.13471/j.cnki.acta.snus.ZR20240309

基于深度学习的多亚型腹膜后软组织肉瘤诊断

姜永军, 李红玲, 阮萍, 陈路, 李艳春, 胡庆, 谢功勋, 孟云鹤

作者信息 +

Author information +

文章历史 +

PDF

摘要

在仅依赖组织病理图像且缺乏额外辅助检测的情况下，腹膜后软组织肉瘤小体积活检样本易导致观察者之间的判断差异，影响疾病亚型的整体诊断准确性。为了解决这一问题，从多中心收集了157张全切片图像（WSIs），涵盖去分化脂肪肉瘤、平滑肌肉瘤、恶性周围神经鞘瘤、未分化多形性肉瘤和高分化脂肪肉瘤五种疾病类别。基于上述WSIs，提出了基于单尺度图像与多尺度图像的两种模型集成方法，并利用ResNet18、EfficientNet B7和EfficientNet V2等深度学习模型进行训练。结果表明：两种模型集成方法均取得了较高的分类准确率，最佳模型在块级分析中达到82.27%的总体准确率，在全切片分析中达到80.95%。因此，所提方法能够有效辅助病理学家在临床实践中诊断腹膜后软组织肉瘤。