Усовершенствованное выявление резидуальной остеосаркомы с помощью методов глубокого обучения и формализации на гистопатологических изображениях

Аннотация:

В последние годы остеосаркома стала всё более распространённым заболеванием во всём мире, существенно влияя на показатели смертности среди пациентов. В процессе диагностики ключевую роль играет патогисто-логическая визуализация. В предлагаемом исследовании оценивается эффективность методов глубокого обучения в точном выявлении некротических, нежизнеспособных и жизнеспособных опухолей в патогистологических тканях. Набор данных был предварительно обработан с использованием метода фильтра Гаусса для улучшения качества изображений, после чего для повышения обобщающей способности модели и минимизации необходимости в переобучении были применены методы формализации. Для повышения диагностической точности использовались модели трансферного обучения, такие как EfficientNetB6, DenseNet201 и MobileNetV2, обученные на патогистологических изображениях. Для выявления рака применялись предварительно обученные модели, полученные на основе архитектуры ImageNet. Кроме того, метод формализации был интегрирован в структуру IGDOOD (метод итеративного градиентного спуска для обнаружения остеосаркомы) для снижения необходимости в переобучении и улучшения работы модели. Итеративный градиентный спуск — это основной алгоритм, который применялся для оптимизации, во время подготовки модели глубокого обучения; методы формализации использовались для тонкой настройки скорости обучения, повышения точности и автоматического определения областей опухоли для извлечения ядерных характеристик опухолевых клеток. На основе этих характеристик был создан классификатор гистологических изображений для остеосаркомы, использующий IGDOOD для прогнозирования показателей рецидива и выживаемости после лечения. Эффективность обнаружения остеосаркомы оценивалась с помощью метрик производительности, согласно которым точность на тестовых данных составила: для EfficientNetB6 — 95,02%, для DenseNet201 — 99,10% и для MobileNetV2 — 99,40%.

Авторы:

Издание: Вопросы онкологии
Год издания: 2026
Объем: 11с.
Дополнительная информация: 2026.-N 1.-С.159-169. Библ. 27 назв.
Просмотров: 2