BMC Medicine：对于智能辨认肺癌及其易混同疾病的病理图像的深度培训研讨取得停顿

中山医学院李伟忠传授团队和从属第一病院柯尊富传授团队结合开辟了一种基于深度培训的肺部病理图像智能模子，可能精确区分肺癌及其易混同疾病的病理图像。研讨结果“Deep learning-based six-type classifier for lung cancer and mimics from histopathological whole slide images： a retrospective study”在国内医学权势巨子期刊BMC Medicine在线颁发。

研讨职员通过有监视培训的方式构建肺部疾病组织学类型的深度培训分类器，以热图的方式可视化成果，并颠末多个医学中间的自力数据集验证模子的综合性能，以人机比拟的方式进一步评估模子的临床意义。该模子是首个可能区分肺腺癌、肺鳞癌、小细胞肺癌、肺结核、机化性肺炎和正常肺部组织的六分类器，拓展了肺部组织分型的人工智能辅助诊断范畴，实用于简单多病种诊断需求，具备很好的临床可解释性。研讨职员在来自四个分歧医疗中间的1000多张病理切片长进行了测试，AUC最高到达0.978，与临床真实诊断成果高度吻合。研讨职员还约请4位来自我校从属第一病院病文科分歧年资的病理大夫进行双盲阅片对照，成果显示模子到达了与教训丰厚的病理大夫相近的程度。

该研讨结果树立的人工智能模子用于辨认肺癌及其易混同疾病的病理图像，面临简单的临床病理学情形，表示出杰出的精确性、稳定性和适用性，其临床转化利用将能提升病理诊断效率和精确度，到达智能辅助的目标。(100yiyao.com）