目的:构建基于卷积神经网络的甲状腺液基细胞学病理辅助诊断模型。方法:收集700例甲状腺液基细胞学涂片,扫描成数字图像,经良、恶性标注后按比例分成训练集和测试集,噪声滤除后提取有效区域分别在10×和40×分割成512×512的小图像块,构建分类模型对训练集深度学习并对测试集自动判读,经数据增强和参数迭代优化,统计辅助诊断模型的准确率、灵敏度、特异度、阳性预测值和阴性预测值等评价指标。结果:训练集560例含4 926个细胞团的11 164个图像块,测试集140例含977个细胞团的1 402个图像块,选取YOLO网络构建细胞团检测模型,用ResNet50作为分类模型,经过40轮迭代训练,10×倍率下准确率为90.01
作者:叶美华;陈万远;蔡博君;金朝汇;何向蕾
来源:中华病理学杂志 2021 年 50卷 4期