基于深度卷积神经网络的胃活检胃癌预测模型研究

王素英 张慧芝 桂坤 陈炳宪*

（1.宁波市临床病理诊断中心 浙江省宁波市 315000 2.杭州智团信息技术有限公司 浙江省杭州市 310052）

1 引言

癌症是目前人类难以攻克的顽疾，胃癌的发病率、致死率高居我国癌症前列，尽早进行胃镜筛查是降低胃癌发病率及死亡率的有力手段，然而胃镜活检高普及率大大增加了病理医生的工作强度及负担，其次，传统的病理诊断存在主观性强、重复性差等问题，人工智能走进临床病理诊断成为必然趋势。因此，我们联合病理专家及计算机专家，利用计算机前沿技术，研发大数据驱动的人工智能软件，建立胃癌预测模型，辅助应用于胃癌诊断。首先挑选大量明确诊断胃癌的活检切片及正常胃活检切片，将病理切片数字化（即通过全自动切片扫描仪，将病理切片图像转化成数字图像），病理专家利用标识软件对数字图像中的肿瘤区域进行人工标识，计算机专家将已标识的图像，采用基于深度学习的图像分割技术，建立胃癌预测模型，进一步进行验证及测试。

2 材料和方法

在这一章节中，我们将详细介绍胃癌预测模型。

2.1 整体技术路线概述

整体技术路线如图1所示。

图1：基于深度神经网络的胃癌预测技术框架

训练阶段：在诊断为癌的胃镜切片中标注出患癌组织轮廓，随后根据标注结果，截取阳性图块和阴性图快，训练深度卷积神经网络，用于预测图块患癌概率。

应用阶段：扫描胃活检病理切片为数字图像，通过全图推理算法获取组织前景的一系列图块，依次送入训练好的深度卷积神经网络中，完成全图患癌部位的预测，通过对热力图的特征提取训练切片级胃癌预测模型，最终完成整张胃活检切片的癌变概率预测。……