APP下载

基于深度学习的口腔鳞癌的诊断与分割方法

2021-11-15李练兵芮莹莹尚建伟李政宇

计算机应用与软件 2021年11期
关键词:区域

李练兵 芮莹莹* 尚建伟 李政宇 李 铎

1(河北工业大学人工智能与数据科学学院 天津 300130) 2(天津市口腔医院口腔病理科 天津 300041)

0 引 言

口腔癌是发生在人体口腔中恶性肿瘤的总称,是头颈部较为常见的恶性肿瘤之一,全球每年新发病例超过640 000例[1],其中大部分属于口腔鳞状上皮细胞癌(Oral squamous cell carcinoma,OSCC),简称口腔鳞癌,即黏膜发生变异。口腔癌不仅会出现口腔功能障碍,还会发生淋巴转移,严重者可危及生命。钳取或切取活组织检查是确诊口腔癌的重要手段,可有效帮助医生进行诊断,诊断要求得出定位、定性与范围的判断。

传统口腔鳞癌病理分析主要是通过病理医生在显微镜下对病变的组织和细胞学特征作人工分析,易受医生主观性影响,对医生的经验要求较高,同时效率低。病理图像的数字化给设计计算机辅助诊断系统辅助医生诊断带来可能性[2]。据了解目前暂未有专门针对口腔鳞癌病理图像分类的计算机辅助细胞学诊断系统,但深度学习在乳腺癌[3]、前列腺癌[4]、胃癌[5]、脑部疾病[6]、肺结节[7]等领域的应用已有较广泛深入的研究,且诊断准确率达到了95%以上。计算机辅助细胞学诊断系统能够大大减轻病理医师繁琐的阅片任务,提高诊断效率,节省医疗成本。

正常口腔细胞切片图像形态与口腔鳞癌切片图像的形态特征差异较为明显,但也存在如早期癌变不明显、正常上皮细胞形态特殊等不易分辨的情况,对于基层县级医院或乡镇医院的医生而言会因缺少专业的经验及知识而无法给出结果。……

登录APP查看全文

猜你喜欢

区域
分割区域
探寻区域创新的密码
基于BM3D的复杂纹理区域图像去噪
小区域、大发展
论“戎”的活动区域
区域经济
关于四色猜想
分区域
公司治理与技术创新:分区域比较
基于严重区域的多PCC点暂降频次估计