您好，欢迎访问长江大学新闻网！今天是：
当前位置: 首页 >> 新闻速递 >> 正文
新闻速递

电信学院研究生使用深度学习技术实现肺腺癌病理诊断效率的提高

发布时间:2023-04-11 作者: 浏览次数:

     

新闻网讯（通讯员 李蒙）近日，电子信息学院硕士研究生邵丹及其研究伙伴在该领域Top期刊Analytical Chemistry(AC)上发表了题为Pixel-level Classification of Five Histologic Patterns of Lung Adenocarcinoma的研究成果，使用深度学习技术对肺腺癌组织学模式进行像素级分类，有助于提高肺腺癌病理诊断效率。

肺腺癌（lung adenocarcinoma）是肺癌的一种，属于非小细胞癌。该研究首次对肺腺癌组织病理图像进行像素级别的分类，通过数据集标注、数据集扩增、神经网络设计以及模型指标对比分析等实现肺腺癌组织病理图像自动分类；该研究提出了一种数据拼接方法，其基本思想是使用最少的人工标注数据量满足模型的理想状态；该研究还提出了一个用于肺腺癌组织病理图像的分析框架，可在像素级别上智能标注肺腺癌的组织学模式，该框架包含五个深度神经网络模型分支，用于分割各个组织学模式。这项研究使用深度学习技术对肺腺癌组织学模式进行像素级分类，以辅助病理医生判断肿瘤分级，能够有效提高肺腺癌病理诊断效率。

据了解，邵丹是电子信息学院邹学玉教授的研究生，目前在南方科技大学访学。此次取得的研究成果得到了南方科技大学郭智勇副教授的指导与支持，南方科技大学医院病理科冉冬梅主任医师为该研究提供了临床指导与数据集注释修正，澳大利亚工程院院士金大勇教授为该研究提供了多次修改指导。该研究还得到了深圳市孔雀团队（KQTD20170810110913065）和稳定支持计划（20200925174735005)等科研项目的支持。

（编辑 李胜杰）

推荐新闻

新闻排行榜

推荐图片