基于深度学习的黑色素细胞病变全流程智能化精准诊断

黑色素细胞病变发生于皮肤表层,恶性病变即为致死率极高的黑色素瘤,严重危害人类健康,病理组织学分析是其诊断的金标准。本文对黑色素细胞病变病理全切片图像(WSI)进行分类研究,提出一种基于深度学习的黑色素细胞病变全流程智能化诊断方法。首先,基于CycleGAN神经网络对多中心病理WSI进行颜色校正;其次,通过745张WSI构建以ResNet-152神经网络为架构的深度卷积网络预测模块;然后,级联以预测概率平均值计算为核心的决策融合模块;最终,分别采用包含182张和54张WSI的内外部测试集验证所提方法的诊断性能。实验结果显示,所提方法的整体准确率在内部测试集上达到94.12%,在外部测试集上超越90%;采用的颜色校正方式在组织结构保持、伪影抑制方面均优于传统基于颜色统计或染色分离的方式。研究证实了本文所提方法可实现高精度、强鲁棒的黑色素细胞病变病理WSI分类,对推动临床病理人工智能辅助诊断具有重要的指导意义。