目的探索基于深度迁移学习的甲状腺癌术中冷冻切片病理辅助诊断系统,并评估其临床应用价值。方法收集武汉大学人民医院病理科682例甲状腺疾病组织HE切片(包括良性病变、乳头状癌、滤泡状癌、髓样癌和未分化癌),扫描成数字切片,按照8∶2...目的探索基于深度迁移学习的甲状腺癌术中冷冻切片病理辅助诊断系统,并评估其临床应用价值。方法收集武汉大学人民医院病理科682例甲状腺疾病组织HE切片(包括良性病变、乳头状癌、滤泡状癌、髓样癌和未分化癌),扫描成数字切片,按照8∶2的比例分为训练集和内部测试集,训练集由高级职称病理医师进行像素级标注,使用基于VGG图像分类算法建立甲状腺癌区分类模型。在模型构建过程中,将乳腺疾病术中冷冻切片图像癌区分类模型的参数作为初始值,通过深度迁移学习算法对甲状腺癌区分类模型进行二次训练优化。再利用内部测试集和湖北省荆州市监利县人民医院633例甲状腺疾病术中冷冻HE切片图像作为外部测试集对已建立的辅助诊断模型进行性能评估。结果内部测试集中,在未使用乳腺癌区识别模型迁移学习的情况下,甲状腺癌病理辅助诊断模型的准确率为0.882,ROC曲线下面积(area under curve,AUC)值为0.938;而在使用迁移学习模型中,甲状腺癌病理辅助诊断模型的准确率为0.926,AUC值为0.956。在外部测试集中,从零学习模型的准确率为0.872,AUC值为0.915,而迁移学习模型的准确率为0.905,AUC值为0.930。结论本研究构建的甲状腺疾病术中冷冻切片AI辅助病理诊断模型表现出较高的准确率和较好的推广性。随着AI在病理图像领域研究的不断发展,深度迁移学习有助于提高AI辅助诊断模型的性能和泛化能力,提高诊断模型的准确性。展开更多
文摘目的探索基于深度迁移学习的甲状腺癌术中冷冻切片病理辅助诊断系统,并评估其临床应用价值。方法收集武汉大学人民医院病理科682例甲状腺疾病组织HE切片(包括良性病变、乳头状癌、滤泡状癌、髓样癌和未分化癌),扫描成数字切片,按照8∶2的比例分为训练集和内部测试集,训练集由高级职称病理医师进行像素级标注,使用基于VGG图像分类算法建立甲状腺癌区分类模型。在模型构建过程中,将乳腺疾病术中冷冻切片图像癌区分类模型的参数作为初始值,通过深度迁移学习算法对甲状腺癌区分类模型进行二次训练优化。再利用内部测试集和湖北省荆州市监利县人民医院633例甲状腺疾病术中冷冻HE切片图像作为外部测试集对已建立的辅助诊断模型进行性能评估。结果内部测试集中,在未使用乳腺癌区识别模型迁移学习的情况下,甲状腺癌病理辅助诊断模型的准确率为0.882,ROC曲线下面积(area under curve,AUC)值为0.938;而在使用迁移学习模型中,甲状腺癌病理辅助诊断模型的准确率为0.926,AUC值为0.956。在外部测试集中,从零学习模型的准确率为0.872,AUC值为0.915,而迁移学习模型的准确率为0.905,AUC值为0.930。结论本研究构建的甲状腺疾病术中冷冻切片AI辅助病理诊断模型表现出较高的准确率和较好的推广性。随着AI在病理图像领域研究的不断发展,深度迁移学习有助于提高AI辅助诊断模型的性能和泛化能力,提高诊断模型的准确性。
