计算机应用

作者：孙中杰, 万涛, 陈东, 汪昊, 赵艳丽, 秦曾昌

单位：1. 北京航空航天大学 生物与医学工程学院, 北京 100191;2. 北京航空航天大学 生物医学工程高精尖创新中心, 北京 100191;3. 首都医科大学附属北京安贞医院 病理科, 北京 100029;4. 北京航空航天大学 自动化科学与电气工程学院, 北京 100191

关键词：深度学习,卷积神经网络,计算机辅助诊断,非炎性主动脉中膜变性,病理图像

基金：国家自然科学基金资助项目（61876197）；北京市医院管理局临床技术创新项目（XMLX201814）；北京市自然科学基金资助项目（7192105）。

胸主动脉瘤和夹层（TAAD）是严重的心血管疾病之一，而中膜变性（MD）的组织学改变对疾病的诊断及早期干预具有重要的临床意义。针对病理图像的高度复杂性使得MD的诊断过程耗时费力且一致性差的问题，提出了一种基于深度学习的病理图像分类方法，并将其应用于四种MD病变类型以进行性能验证。该方法使用了一种改进的基于GoogLeNet的卷积神经网络模型，首先采用迁移学习来将先验知识应用于TAAD病理图像的表达，然后使用Focal loss和L2正则化来解决数据不平衡问题，从而进一步优化模型性能。实验结果表明，所提模型的平均四分类准确率达到98.78%，表现出较好的泛化性能。可见所提方法可以有效地提升病理学家的诊断效率。

来源：2021年第1期

《计算机应用》期刊编辑部

查看计算机应用杂志2021年第1期