排序方式: 共有5条查询结果,搜索用时 15 毫秒
1
1.
2.
针对实际应用中要对图片分类并对癌变图进行癌变区域定位的需求,收集天津市口腔医院典型病例,建立口腔细胞病理切片图像数据集,提出基于深度学习的诊断与分割方法.采用以DenseNet为架构的卷积神经网络对图像进行正常与癌变的分类,利用图像分块思想对高分辨率图像分块进行训练,采用迁移学习和数据增强方法减少过拟合问题的发生.分类完成后,使用以DenseNet网络作为编码结构的UNet++分割网络对判断为癌变的图像进行癌变区域定位,采用组合交叉熵方法确定损失函数进行调优.实验表明,该方法能够较好地完成口腔细胞切片图像的分类识别,识别准确率达98.46%,与金标准对比,得到了较理想的分割结果.该方法有助于口腔细胞病理自动诊断系统的开发,可用于口腔鳞癌病理辅助诊断. 相似文献
3.
5.
目前,口腔黏膜病的筛查和诊断主要依靠临床医生的目视观察和触诊,组织病理学仍然是口腔癌诊断的金标准。目视观察、触诊和组织病理学方法都存在不同的局限性。近年来,随着影像学技术的不断发展,X射线计算层析、核磁共振、超声、荧光、光声、光学相干层析等技术逐渐被应用于口腔黏膜病的成像研究。不同影像学技术的成像原理、成像能力及性能各不相同,在口腔癌的筛查与诊断中可以发挥不同的优势,具有极大的临床应用潜力。本文主要总结了现有影像学技术在辅助口腔癌筛查和诊断中的研究进展,分析了它们的临床适用性,并预测了口腔癌筛查与诊断影像学技术未来的发展趋势。 相似文献
1