基于深度学习建立胃组织良恶性病理诊断模型的初探
法良玲
黄臻
周姗
孙伟
青岛市胶州中心医院 病理科,山东 青岛 266300
摘要：目的 基于深度学习技术初步探究胃组织良恶性病理诊断模型.方法 选取2016 年1 月至2024 年6 月青岛市胶州中心医院院收治的胃病变患者 360 例,根据病理检查结果将患者分为良性组(189 例)及恶性组(171例).比较两组患者临床资料.鉴别病变种类.比较不同病变组织腺体及黏膜上皮形态学参数特征.多因素Logistic回归分析影响胃组织恶性的因素.筛选多参数磁共振成像(MRI)影像组学特征.比较不同深度学习模型预测胃组织良恶性性能.评价临床模型、影像组学模型、深度学习模型、融合模型预测效能.结果 两组患者在年龄、营养不良、铁蛋白、甲胎蛋白(AFP)、癌胚抗原(CEA)、癌抗原 211(CA211)、CA50、CA125、CA199、CA242 和CA724方面具有统计学意义(P<0.05);年龄、营养不良、铁蛋白、AFP、CEA、CA211、CA50、CA125、CA199、CA242、CA724 是影响胃癌恶性肿瘤独立危险因素;ResNet模型的识别准确率、召回率、精准率和F1 相比GoogLeNet和AlexNet均更佳;4种模型的区分度较高,准确性和有效性较好,且融合模型的预测效能最高.结论 基于临床特征、多参数MRI影像组学和深度学习构建的融合模型能够实现精确对胃组织良恶性病理诊断,并提供个性化预测结果.
关键词：深度学习胃组织良恶性病理诊断模型构建卷积神经网络
分类号：R735.2(消化系肿瘤)TP18(自动化基础理论)
资助基金：山东省医药卫生科技发展计划项目(202109010314)
论文发表日期：2025-07-28
在线出版日期：2025-08-27（本平台首次上网日期，不代表文献的发表时间）
页数：8( 803-810 )
英文信息