《表1 测试指标和结果:基于深度卷积神经网络的数字病理辅助诊断系统设计》
采用的数据集共有2.7万张乳腺癌病理图像,包含2 729个图像区域,其中正负样本比例为4:1。将数据集按7:3比例随机分配为训练集和测试集,即1 910个图像区域用于训练DCNN模型,对模型的结构和参数进行优化后,将剩余819个图像区域用于测试。DCNN模型测试结果如表1所示。图像识别的特异度和灵敏度都超过95%,查全率和查准率较为均衡,且其他各项评价指标如F1度量、Kappa值、AUC分值都达到了较高水平,表明对于乳腺癌病变区域的识别,训练后的DCNN模型具有很好的性能。综合图像识别的准确率和速率,深度卷积神经网络已经具备应用于数字病理辅助诊断的潜质。
图表编号 | XD00214108800 严禁用于非法目的 |
---|---|
绘制时间 | 2020.12.15 |
作者 | 王继伟、樊伟、陈岗、陈福沨、方斌、雷晓晔、杨文圣 |
绘制单位 | 陆军第七十三集团军医院(厦门大学附属成功医院)、陆军第七十三集团军医院(厦门大学附属成功医院)、陆军第七十三集团军医院(厦门大学附属成功医院)、福州数据技术研究院、福州数据技术研究院、福州数据技术研究院、陆军第七十三集团军医院(厦门大学附属成功医院) |
更多格式 | 高清、无水印(增值服务) |