BMC Medicine：关于智能识别肺癌及其易混淆疾病的病理图像的深度学习研究取得进展

1. 肺部病理图像

来源：中山医学院 2021-04-15 06:37

中山医学院李伟忠教授团队和附属第一医院柯尊富教授团队联合开发了一种基于深度学习的肺部病理图像智能诊断模型，能够准确区分肺癌及其易混淆疾病的病理图像。研究成果“Deep learning-based six-type classifier for lung cancer and mimics from histopathological whole slide

中山医学院李伟忠教授团队和附属第一医院柯尊富教授团队联合开发了一种基于深度学习的肺部病理图像智能诊断模型，能够准确区分肺癌及其易混淆疾病的病理图像。研究成果“Deep learning-based six-type classifier for lung cancer and mimics from histopathological whole slide images： a retrospective study”在国际医学权威期刊BMC Medicine在线发表。

研究人员通过有监督学习的方式构建肺部疾病组织学类型的深度学习分类器，以热图的方式可视化结果，并经过多个医学中心的独立数据集验证模型的综合性能，以人机比较的方式进一步评价模型的临床意义。该模型是首个能够区分肺腺癌、肺鳞癌、小细胞肺癌、肺结核、机化性肺炎和正常肺部组织的六分类器，拓展了肺部组织分型的人工智能辅助诊断范围，适用于复杂多病种诊断需求，具有很好的临床可解释性。研究人员在来自四个不同医疗中心的1000多张病理切片上进行了测试，AUC最高达到0.978，与临床真实诊断结果高度吻合。研究人员还邀请4位来自我校附属第一医院病理科不同年资的病理医生进行双盲阅片对照，结果显示模型达到了与经验丰富的病理医生相近的诊断水平。

该研究成果建立的人工智能模型用于识别肺癌及其易混淆疾病的病理图像，面对复杂的临床病理学情景，表现出卓越的准确性、稳定性和实用性，其临床转化应用将能提升病理诊断效率和准确度，达到智能辅助诊断的目的。(生物谷Bioon.com）

版权声明 本网站所有注明“来源：生物谷”或“来源：bioon”的文字、图片和音视频资料，版权均属于生物谷网站所有。非经授权，任何媒体、网站或个人不得转载，否则将追究法律责任。取得书面授权转载时，须注明“来源：生物谷”。其它来源的文章系转载文章，本网所有转载文章系出于传递更多信息之目的，转载内容不代表本站立场。不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。

87%用户都在用生物谷APP 随时阅读、评论、分享交流 请扫描二维码下载->