基于卷积神经网络与显微高光谱的胃癌组织分类方法研究

为了探究高光谱技术在胃癌组织病理诊断中的应用,将高光谱成像与显微系统结合,采集胃部切片组织的高光谱图像。针对胃癌组织与胃部正常组织在410~910nm波段的光谱特性差异,提出了一种基于卷积神经网络模型的胃癌组织分类方法,对原始光谱进行S-G平滑和一阶导数等预处理,通过分析光谱数据的特点和模型的分类效率,确定了最佳的网络结构及参数。实验结果表明:该模型对胃部癌变和正常组织的分类准确率为96.53%,鉴别胃癌组织的灵敏度和特异性分别达到94.29%和97.14%;相比于浅层学习方法,卷积神经网络模型能够充分提取癌变组织的深层光谱特征,同时能有效避免过拟合现象。将深度学习理论与显微高光谱结合的方法为医学病理研究提供了新思路。