基于改进图像预处理与模型优化的卷积神经网络精准肺癌分类方法

《Scientific Reports》：Precision lung cancer classification using convolutional neural networks with enhanced image pre-processing and model optimization

　　

摘要

在各类癌症中，肺癌的全球死亡率最高，因此需要及时诊断以便进行有效治疗。传统上，通过苏木精和伊红染色后的切片进行组织病理学分析是确诊的主要方法。然而，染色效果的差异往往会影响人工解读的准确性。本研究旨在设计一种卷积神经网络模型，用于识别不同亚型的肺癌。该模型旨在克服包括染色技术差异在内的各种诊断难题。研究使用了公开可用的LC25000数据集，其中包含肺部组织病理学图像。为降低染色差异并减少噪声，在预处理阶段采用了Reinhard颜色归一化技术和高斯滤波。此外，还运用粒子群优化算法对超参数进行调整，从而构建出适用于精准分类的多尺度卷积神经网络架构。经过优化的模型在两类非小细胞肺癌恶性病变和一类良性病变这三类样本中的分类准确率达到了98.59%。对比实验表明，经过预处理的图像显著提升了分类的一致性和准确性，进一步证明了颜色归一化技术的有效性。所开发的模型具备出色的诊断性能，且对染色差异的抵御能力更强。为便于在临床环境中实时应用，该模型已被成功开发成基于安卓系统的移动应用。该应用已公开发布，可通过以下链接访问：https://github.com/jar3e1/AndroidApp。