科研之友
微信
新浪微博
Facebook
分享链接
摘要
前列腺癌是全球范围内男性最常见的癌症之一，仅次于肺癌。在前列腺癌的诊断过程中最常用的方法是病理学专家通过显微镜对染色活检组织进行观察，得出组织微阵列图像的Gleason评分。在大量的组织微阵列图像下，病理学专家使用Gleason模式对前列腺癌组织微阵列进行评分非常耗时，易受到不同观察者之间主观因素的影响，且可重复性低。深度学习和计算机视觉的发展使得病理学计算机辅助诊断系统更具有客观性和可重复性。U-Net是医学影像分割领域应用最广泛的的网络，不同于以往研究中使用分类器，本文提出了一种基于改进的U-Net网络的区域分割模型，通过密集连接块来融合深层和浅层特征的同时对各个尺度的特征进行监督。可以减少网络参数，提高计算效率，并在标注完整的数据集上验证了方法有效性。
