论文部分内容阅读
目的:帮助病理医生快速定位病变区域,提高诊断效率,减少漏诊。方法:提出基于深度卷积神经网络的病理辅助诊断方法,通过图像预处理对病理图像提取前景和染色归一化,采用病理医生标注的数据集训练和优化模型的结构和参数,最后使用训练后的神经网络对病理图像进行正常组织和疑似病变组织二分类识别。结果:以乳腺癌组织病理影像为例对该方法进行测试,识别结果达到了95%以上的灵敏度和特异度,系统的诊断准确率为95.8%。结论:数字化智能病理诊断系统集成的智能算法模块,达到较高的特异度和灵敏度,使人工智能辅助诊断能更好地介入