您的位置 首页 百科

大学生实践论文(大学生实践论文||论文发表||大学生实践论文)

大学生实践论文
建立一种皮肤肿瘤人工智能(AI)病理诊断模型并评估其诊断效能。
扫码添加在线编辑咨询~
论文发表;期刊发表;学术论文;大学生实践论文
目的 建立一种皮肤肿瘤人工智能(AI)病理诊断模型并评估其诊断效能。方法 选择2种皮肤常见肿瘤鲍温病和脂溢性角化病(SK)作为目标疾病,通过人工标注组织病理H-E切片中的病变区域,为AI提供训练集和验证集。采用AI中基于深度学习的两阶段诊断框架(patch诊断和slide诊断)对此进行综合判断,从而建立相应疾病的诊断模型。选择未经标注病变区域的组织病理H-E切片为AI提供测试集,验证该诊断模型的准确度,运用ROC曲线评价其诊断和鉴别诊断效能。结果 第一阶段patch诊断中,Efficientnet_b6模型在patch特征分类上效果更佳,训练集和验证集的灵敏度分别达到94.67%(6 680/7 056)和95.79%(751/784)。在第二阶段slide诊断中,半结构化数据模型(SSDM)在patch特征聚合方面效果更佳,其训练集特异度为95.00%(6 703/7 056),验证集特异度为95.28%(747/784);而金融服务数据模型(FSDM)的训练集特异度为91.16%(6 432/7 056),验证集特异度为82.78%(649/784)。将两阶段诊断模型应用在测试集中,鲍温病和SK的测试准确度分别为92.65%(63/68)和99.21%(126/127)。绘制两阶段诊断模型诊断鲍温病和SK的ROC曲线,AUC值分别为0.978 26和0.986 98;使用微平均、宏平均2种方式绘制总体ROC曲线,AUC值分别为0.989 89和0.983 54。结论 本研究提出的AI两阶段诊断模型在鲍温病和SK这2种常见皮肤肿瘤的组织病理H-E切片中有较高的诊断及鉴别诊断效能。

大学生实践论文相关文章

为您推荐

发表评论

您的电子邮箱地址不会被公开。 必填项已用*标注

返回顶部