為了幫助病理醫生更有效的閱讀病理切片，研究人員提出了許多深度學習算法，來預測病理切片中的腫瘤細胞區域。由於原始病理切片的圖片尺寸十分龐大，絕大部分深度學習算法只能將每張病理切片剪切成大量尺寸小些的圖塊，比如256x256像素。這樣經典的深度卷積網絡就可以被用來訓練及預測每張圖塊是否是腫瘤區域。然而在不知道圖塊周邊區域的情況下，僅憑單張圖塊，有時候很難預測其是否為腫瘤區域，尤其是在腫瘤與正常組織交界部位。由此產生的假陽性也十分顯著，如下圖所示。
由於考慮到了相鄰圖塊之間的空間關係，該算法讓假陽性得以大大降低，算法預測的腫瘤區域也更加平滑（如下圖所示）。對比之前的算法，這種算法除了真實腫瘤區域外，幾乎沒有引入任何其他假陽性區域。
在提高病理切片檢測的效率、準確性上，這種新的腫瘤檢測算法擁有很大潛力。它讓病理學家能更聚焦由算法突出的腫瘤區域，而不必搜索整個切片。當然，對算法的全面評估，也需要更大的數據集來做進一步臨床研究。
分享到:
閱讀更多 百度 的文章
