大学生实践论文(大学生实践论文||论文发表||大学生实践论文)

大学生实践论文
建立一种皮肤肿瘤人工智能（AI）病理诊断模型并评估其诊断效能。
扫码添加在线编辑咨询~
论文发表；期刊发表；学术论文；大学生实践论文
目的 建立一种皮肤肿瘤人工智能（AI）病理诊断模型并评估其诊断效能。方法 选择2种皮肤常见肿瘤鲍温病和脂溢性角化病（SK）作为目标疾病，通过人工标注组织病理H-E切片中的病变区域，为AI提供训练集和验证集。采用AI中基于深度学习的两阶段诊断框架（patch诊断和slide诊断）对此进行综合判断，从而建立相应疾病的诊断模型。选择未经标注病变区域的组织病理H-E切片为AI提供测试集，验证该诊断模型的准确度，运用ROC曲线评价其诊断和鉴别诊断效能。结果 第一阶段patch诊断中，Efficientnet_b6模型在patch特征分类上效果更佳，训练集和验证集的灵敏度分别达到94.67%（6 680/7 056）和95.79%（751/784）。在第二阶段slide诊断中，半结构化数据模型（SSDM）在patch特征聚合方面效果更佳，其训练集特异度为95.00%（6 703/7 056），验证集特异度为95.28%（747/784）；而金融服务数据模型（FSDM）的训练集特异度为91.16%（6 432/7 056），验证集特异度为82.78%（649/784）。将两阶段诊断模型应用在测试集中，鲍温病和SK的测试准确度分别为92.65%（63/68）和99.21%（126/127）。绘制两阶段诊断模型诊断鲍温病和SK的ROC曲线，AUC值分别为0.978 26和0.986 98；使用微平均、宏平均2种方式绘制总体ROC曲线，AUC值分别为0.989 89和0.983 54。结论 本研究提出的AI两阶段诊断模型在鲍温病和SK这2种常见皮肤肿瘤的组织病理H-E切片中有较高的诊断及鉴别诊断效能。

大学生实践论文相关文章