乳腺癌是致使現(xiàn)代女性死亡的主要癌癥之一,而核抗原Ki67的細胞染色免疫組化評估可以有效地對腫瘤細胞增殖水平進行比較,因此使用Ki67評分對乳腺癌的診斷與預后有著重要的醫(yī)學作用。目前醫(yī)院病理科檢測計算乳腺癌Ki67評分仍然使用傳統(tǒng)鏡下人工檢測,不僅效率低且準確率較差。為了提升病理科醫(yī)生工作效率同時提高Ki67評分準確度,本文提出一種基于卷積神經(jīng)網(wǎng)絡的深度學習方法,進而對乳腺癌Ki67病理切片細胞圖像進行Ki67檢測。本文整體分為細胞分割與腫瘤區(qū)域分割兩部分,主要包含以下工作:(1)本課題綜合醫(yī)生意見對乳腺癌Ki67細胞標注數(shù)據(jù)的制作進行了規(guī)范;(2)提出使用高斯濾波將細胞標注數(shù)據(jù)轉為熱點圖,同時利用點標注代替?zhèn)鹘y(tǒng)標注方式。以此來減少傳統(tǒng)標注方式導致數(shù)據(jù)生成效率低、細胞標注難以區(qū)分的問題,集中提取目標特征;(3)在已有網(wǎng)絡的基礎上,本課題進行改進并提出結合主動式學習的網(wǎng)絡訓練策略,減少網(wǎng)絡訓練所需要的數(shù)據(jù)量;(4)提出使用H&E,DAB通道分離的方式區(qū)分Ki67細胞染色陰陽性,進而計算得到相應Ki67評分實現(xiàn)Ki67檢測;(5)提出細胞分割結合腫瘤區(qū)域分割的方式優(yōu)化細胞分割結果,使...

【文章頁數(shù)】：62 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 本課題研究背景與意義
    1.2 本課題國內(nèi)外研究現(xiàn)狀
    1.3 本課題研究內(nèi)容
    1.4 本文章節(jié)安排
第2章 Ki67介紹及細胞分割算法
    2.1 病理學及病理學指標Ki67
    2.2 深度學習及卷積神經(jīng)網(wǎng)絡
    2.3 細胞分割算法
        2.3.1 傳統(tǒng)算法
        2.3.2 深度學習算法
    2.4 主動學習
    2.5 本章小結
第3章 基于改進的卷積神經(jīng)網(wǎng)絡的Ki67細胞分割
    3.1 Ki67評分計算
    3.2 數(shù)據(jù)準備
        3.2.1 數(shù)據(jù)來源及數(shù)據(jù)分布確定
        3.2.2 標注流程制定
    3.3 基于改進的卷積神經(jīng)網(wǎng)絡的Ki67細胞分割框架
    3.4 網(wǎng)絡模型改進
    3.5 開發(fā)環(huán)境確定
    3.6 網(wǎng)絡訓練及后處理
    3.7 結果分析
    3.8 本章小結
第4章 基于Segnet的Ki67腫瘤區(qū)域分割
    4.1 數(shù)據(jù)準備
    4.2 Segnet模型說明
    4.3 網(wǎng)絡訓練及結果分析
        4.3.1 網(wǎng)絡訓練
        4.3.2 結果分析
    4.4 后處理
    4.5 本章小結
第5章 總結與展望
    5.1 總結
    5.2 展望
致謝
參考文獻



本文編號：3822091