首页 > 论文 > 光学学报 > 38卷 > 6期(pp:0617001)

基于卷积神经网络与显微高光谱的胃癌组织分类方法研究

  • 摘要
  • 论文信息
  • 参考文献
  • 被引情况
分享:

摘要

为了探究高光谱技术在胃癌组织病理诊断当中的应用,将高光谱成像与显微系统结合,采集胃部切片组织的高光谱图像。针对胃癌细胞与正常细胞在410~910nm波段的光谱特性差异,提出了一种基于卷积神经网络模型(CNN)的胃癌组织分类方法,对原始光谱进行S-G平滑及一阶导数等预处理,通过分析光谱数据特点及模型分类效率,确定最佳网络结构及参数。实验结果表明:该模型对癌变和正常胃部组织的分类准确率为96.53%,鉴别胃癌组织的灵敏度和特异性达到94.29%和97.14%。相比于浅层学习方法,CNN模型能够充分提取癌变组织的深层光谱特征,同时有效避免过拟合现象。将深度学习理论与显微高光谱结合的方法也为医学病理研究提供了新的思路。

Newport宣传-MKS新实验室计划
补充资料

DOI:10.3788/aos201838.0617001

作者单位:

    中国科学院西安光学精密机械研究所 光谱成像技术重点实验室
    中国科学院西安光学精密机械研究所 光谱成像技术重点实验室
    中国科学院西安光学精密机械研究所 光谱成像技术重点实验室

引用该论文

杜剑,胡炳樑,张周. 基于卷积神经网络与显微高光谱的胃癌组织分类方法研究[J].光学学报,2018,38(6):0617001.