基于深度學(xué)習(xí)的乳腺癌病理圖像自動(dòng)分類(lèi)

何雪英，韓忠義，魏本征

山東中醫(yī)藥大學(xué) 理工學(xué)院，濟(jì)南 250355

1 引言

癌癥是威脅人類(lèi)健康和生命的主要?dú)⑹种唬渲腥橄侔┦桥灾凶畛Ｒ?jiàn)的癌癥，據(jù)世界衛(wèi)生組織（WHO）下屬的國(guó)際癌癥研究中心（IARC）2012年公布的數(shù)據(jù)顯示[1]，乳腺癌是造成女性死亡的第二大病癥，且其發(fā)病率呈逐年上升和年輕化的趨勢(shì)。臨床上，相對(duì)于X-ray、鉬靶、核磁共振等圖像，病理圖像是醫(yī)生最后確診乳腺癌的重要標(biāo)準(zhǔn)，而對(duì)病理圖像進(jìn)行準(zhǔn)確地分類(lèi)是醫(yī)生制訂最佳治療方案的重要依據(jù)。目前基于人工的病理圖像分類(lèi)，不僅耗時(shí)、費(fèi)力，而且診斷結(jié)果容易受到諸多主觀人為因素的影響，借助于計(jì)算機(jī)輔助診斷（Computer-Aided Diagnosis，CAD），自動(dòng)將病理圖像進(jìn)行良、惡性分類(lèi)，不僅可以提高診斷效率，還能為醫(yī)生提供更加客觀、準(zhǔn)確的診斷結(jié)果，因而具有重要的臨床應(yīng)用價(jià)值。

乳腺癌病理圖像自動(dòng)分類(lèi)是一項(xiàng)非常有挑戰(zhàn)性的工作。一是由于病理圖像自身的特點(diǎn)：圖像之間細(xì)微的差異性、細(xì)胞重疊現(xiàn)象、顏色分布不均勻等，給圖像分類(lèi)工作帶來(lái)了很大的困難。二是由于缺乏大型公開(kāi)的、已標(biāo)記的數(shù)據(jù)集，給算法研究帶來(lái)一定的困難。盡管如此，在乳腺癌病理圖像的自動(dòng)分類(lèi)方面，學(xué)者們已經(jīng)進(jìn)行了很多研究，并取得了一系列重要的研究進(jìn)展。主要集中在以下兩個(gè)方面：

（1）基于人工特征提取和傳統(tǒng)機(jī)器學(xué)習(xí)算法的乳腺癌病理圖像分類(lèi)。Kowal等人[2]采用不同的細(xì)胞核分割算法，在500幅乳腺癌病理圖像上的識(shí)別率為96%～100%。……