基于深度学习的黑色素细胞病变全流程智能化精准诊断

作     者：石田蕾 张家意 鲍泳扬 高欣 SHI Tianlei;ZHANG Jiayi;BAO Yongyang;GAO Xin

作者机构：中国科学技术大学生命科学与医学部生物医学工程学院(苏州)合肥230026 中国科学院苏州生物医学工程技术研究所江苏苏州215163 济南国科医工科技发展有限公司济南250101 上海交通大学医学院附属第九人民医院上海200011 江苏省儿童恶性肿瘤诊疗技术工程研究中心江苏苏州215025 

出 版 物：《生物医学工程学杂志》 (Journal of Biomedical Engineering)

年 卷 期：2022年第39卷第5期

页      面：919-927页

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 1002[医学-临床医学] 081104[工学-模式识别与智能系统] 08[工学] 080203[工学-机械设计及理论] 0835[工学-软件工程] 100214[医学-肿瘤学] 0802[工学-机械工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 10[医学] 

基　　金：国家自然科学基金(81871439) 上海市卫生健康委员会科研计划项目(202040432) 上海交通大学医学院附属第九人民医院“交叉”研究基金(JYJC201903) 山东省重点研发计划项目(2021SFGC0104) 江苏省重点研发计划项目(BE2021663) 山东省自然科学基金资助项目(ZR2020QF019,ZR2022QF071) 

主　　题：黑色素细胞病变 全切片图像 智能精准诊断 深度学习 颜色校正 

摘      要：黑色素细胞病变发生于皮肤表层,恶性病变即为致死率极高的黑色素瘤,严重危害人类健康,病理组织学分析是其诊断的金标准。本文对黑色素细胞病变病理全切片图像(WSI)进行分类研究,提出一种基于深度学习的黑色素细胞病变全流程智能化诊断方法。首先,基于CycleGAN神经网络对多中心病理WSI进行颜色校正;其次,通过745张WSI构建以ResNet-152神经网络为架构的深度卷积网络预测模块;然后,级联以预测概率平均值计算为核心的决策融合模块;最终,分别采用包含182张和54张WSI的内外部测试集验证所提方法的诊断性能。实验结果显示,所提方法的整体准确率在内部测试集上达到94.12%,在外部测试集上超越90%;采用的颜色校正方式在组织结构保持、伪影抑制方面均优于传统基于颜色统计或染色分离的方式。研究证实了本文所提方法可实现高精度、强鲁棒的黑色素细胞病变病理WSI分类,对推动临床病理人工智能辅助诊断具有重要的指导意义。