Patologisk klassificering af lungeknuder i billeder ved hjælp af dyb læring

Alle hvidlys-fotografier af lungeknuder fra telefoner af patologisk bekræftet adenokarcinom in situ (AIS), minimalt invasivt adenokarcinom (MIA) og invasivt adenokarcinom (IAC) blev retrospektivt indsamlet fra på hinanden følgende patienter, der blev opereret mellem 30. juni 20520 og september 2052. 2021 på Guangdong Provincial People's Hospital. Endelig blev i alt 1037 billeder med hvidt lys fra 973 personer inkluderet i undersøgelsen. Hele datasættet blev opdelt i trænings- og testdatasæt, som var gensidigt udelukkende ved hjælp af tilfældige stikprøver. Af disse blev 830 billeder brugt som træningsdatasæt og 104 billeder fra blev brugt som testdatasæt. CNN-modellen blev brugt til at klassificere billeder, nemlig Resnet-50. For CNN-modellen blev en fortrænet model med ImageNet Dataset vedtaget ved brug af transfer learning. Efter at have konstrueret CNN-modellerne ved hjælp af træningsdatasættet, blev modellernes ydeevne evalueret ved hjælp af testdatasættet og det potentielle valideringsdatasæt.