基于病理图像DCNN鼻咽癌诊断模型和算法.docVIP

基于病理图像DCNN鼻咽癌诊断模型和算法 　　摘要：鼻咽癌是一类高发的恶性肿瘤，实现其快速诊断具有重要意义。该文提出了一种基于深度卷积神经网络（DCNN）的病理图像数据肿瘤区域自动检测和诊断方法。通过在病理切片像素20000*20000中检测和定位出像素大小为256*256的肿瘤区域，将提取到的不同分辨 　　率下patch通过VGG-16网络（10x，20x）模型提取浅层特征，并将其输入Inception-V3网 　　络的后半部分与Inception-V3提取的40x patch的特征进行融合，以此建立基于病理图像鼻咽癌融合诊断模型，在机制上可提升分析性能并降低假阳性率。实际资料处理结果表明，对于鼻咽癌的检测准确率达到91.5%，较大提高了诊断准确率。 　　关键词：鼻咽癌诊断；深度卷积网络；特征融合；多尺度分析；学习算法 　　中图分类号：TP183 文献标识码：A 文章编号：1009-3044（2018）14-0183-03 　　Abstract： Nasopharyngeal carcinoma is a kind of high incidence malignant tumor. It is of great significance to realize its rapid diagnosis. In this paper， an automatic detection and diagnosis method based on deep convolution neural network （DCNN） is presented. The tumor area with a pixel size of 256 * 256 was detected and located in the pathological section with a pixel size of 20000 * 20000. Shallow features of patches at different resolutions are extracted by the VGG-16 network （10x， 20x） model. The features are inputted into the second half of the Inception-V3 network and fused with the features of the 40x patch extracted by the Inception-V3， to establish a nasopharyngeal carcinoma fusion diagnosis model based on pathological image， which can improve the analyzing performance and reduce the false positive rate in the mechanism. The actual data processing results show that the detection accuracy for nasopharyngeal carcinoma reached 91.5%， and the accuracy of diagnosis is greatly improved. 　　Key words： diagnosis of nasopharyngeal carcinoma； deep convolution network； feature fusion； multiscale analysis； learning algorithm 　　1 背景 　　在我国，鼻咽癌为临床中常见的一种恶性肿瘤，发生率及病死率高。据研究，鼻咽癌早期患者经治疗后的5年生存率达到90%以上，而中晚期患者超过5年仅为50%-60%左右[1]，表明鼻咽癌患者的早期发现、诊断和及时治疗十分重要。 　　近年来，卷积神经网络（convolutional neural network，CNN）在计算机视觉、图像领域得到了广泛的应用，其强大的特征学习与分类能力引起了广泛的关注。VGGNet[2]是牛津大学计算机视觉组研发的一种深度卷积神经网络，该网络相比之前的网络结构，错误率大幅下降，取得了“ImageNet大规模视觉识别挑战赛”（ILSVRC 2014）比赛分类项目的第二名和定位项目的第一名。同时由Google公司研发Google Inception Net[3]首次出?F在ILSVRC 2014比赛中，就以较大的优势取得了分类项目第一名。 　　由于卷积神经网络避免了对图像的复杂前期预处理，可以直接输入原始