- 课题研究背景
结直肠印戒细胞癌是高度恶性肿瘤之一,侵袭力强,病程进展快,预后差。虽然我国属于结直肠癌的低发区,但近几年来统计表明结直肠癌在我国的发病率呈上升趋势。早期检测能大大提高患者生存率。临床上,病理医生主要通过显微镜来检测印戒细胞,程序复杂且容易造成纰漏。近年来,数字病理的广泛应用为深度学习在病理图像自动分析提供了数据基础,使得其在病理切片分类、癌症区域检测、细胞分割等任务中取得重大突破。
- 课题研究意义
结直肠印戒细胞癌(SRCC)为结肠粘液腺癌的特殊分型,其病理分化差、恶性程度高。
本课题针对印戒细胞正负样本的识别和检测,运用临床上较易得到的病理切片,构建深度学习模型直接识别正样本。模型能大大节省诊断时间和成本,拟通过深度学习来自动检测结直肠癌病理切片中的印戒细胞,以辅助医生进行诊断。
- 拟解决的问题
训练基于结直肠癌印戒细胞病理切片训练深度学习模型,检测输入病人相应的病理切片,并且结果达到一定的准确度。
- 研究主要内容
- 获取结直肠癌印戒细胞的病理切片及临床信息;
- 识别病理切片癌症区域;
- 搭建深度学习模型,训练模型,验证模型;
- 检测训练结果,总结研究意义。
五、研究方法和步骤
- 从https://digestpath2019.grand-challenge.org下载结直肠印戒细胞癌病人的病理切片
- 使用PyCharm软件进行病理切片的印戒细胞标注,标注区域内尽量减少空白;
- 利用keras搭建深度学习模型,80%的病理切片作为训练集,20%为验证集;
- 分析训练结果,改进模型,直至达到相应要求;
- 总结研究意义以及还能进一步改进的地方。
- 文献综述
1.印戒细胞的概念
印戒细胞癌相对罕见,到目前确切的生物学行为仍缺少足够的证据证明。结直肠癌是大肠来源的恶性上皮性肿瘤,根据其组织学形态的特点将结直肠癌(CRAC)分为多种亚型,其中最常见的是黏液腺癌和印戒细胞癌,典型的印戒细胞特征表现为大量细胞内黏液将细胞核挤压至细胞一侧,形似“戒指状”,恶性程度高,肿瘤进展速度,该亚型占所有结直肠癌的1%。当印戒细胞在肿瘤细胞中所占比值大于50%,即可诊断为印戒细胞癌。自1990年Fearon和Vogelstein提出多次。
2.深度学习在医学图像方面的应用
目前深度学习技术已经应用到医学图像的各个领域,包括识别,分类,检测和分割等,对于疾病的精准识别,详细分析,合理诊断。
3.图像分割的方法
以上是文献综述,课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。