基于深度学习的肺癌病理图像分类器设计

病理学检查是医生确定肿瘤是否发生癌变的“金标准”,但由于肺癌病理组织具有多种亚型，医生需要反复大量阅片才能最终给出医学诊断，不仅耗时且易出错。因此，本文借助深度学习进行肺癌病理组织亚型分类研究。通过对数据库数据进行预处理，找出特征值，使用不同层深的ResNet算法构建肺癌病理图像类别分类器，模型参数调整到最优后，对比训练ResNet18、ResNet34、ResNet50三个不同层次网络模型，分析模型的accuracy、recall、F1-score和算术平均值等评价指标，其中ResNet34模型指标最佳，对肺癌病理图像的分类效果最好。