换一批深度学习模型在乳腺癌组织病理学图像预测HER2亚型中的应用
The application of improved deep learing models in predicting HER2 subtypes in breast cancer histopathological images
摘要目的:探讨深度学习模型在利用组织病理学图像预测乳腺癌人表皮生长因子受体2(HER2)亚型中的应用价值.方法:纳入癌症基因组图谱(TCGA)收集的乳腺癌患者病理图像,其中包括214例HER2低表达患者和56例HER2阳性患者.采用随机抽样法,以约8:2的比例将患者分为训练集(216例)和测试集(54例),同时纳入2020年1月至2022年12月温州医科大学附属第一医院50例患者的病理图像作为验证集.通过PaSegNet提取每位患者病理图像在不同放大倍率下的特征向量,并通过数字编码融合不同倍率下的特征向量.采用五折交叉验证方法,构建了四种深度学习模型:VGG模型、DenseNet模型、ResNet模型以及CNN+Transformer的改进深度学习模型.通过ROC曲线评估各模型的预测效能,并进一步使用多种评价指标分析不同放大倍率的病理图像融合对模型预测效果的影响.结果:在测试集上进行五折交叉验证后,VGG模型、DenseNet模型和ResNet模型的AUC值分别为0.681、0.780和0.863,集成CNN和Transformer的改进模型在测试集和验证集中则分别获得了0.929和0.905的AUC值.此外,通过在测试集上分析不同倍率病理图像的组合结果,发现40倍+20倍+5倍的组合获得了最高的AUC值,进一步证明了结合多倍率图像提取局部与全局特征能够获得更好的预测性能.结论:基于组织病理学图像的深度学习模型能够有效预测乳腺癌患者的HER2亚型,其中CNN与Transformer的改进模型在测试集和验证集上表现出较高的AUC值.多倍率图像的结合为模型提供了更全面的信息,从而提升了预测的准确性.该模型有望为临床治疗决策提供有力支持.
更多相关知识
关键词
乳腺癌人表皮生长因子受体2人工智能辅助诊断模型组织病理学图像breast cancerHER2 subtypesartificial intelligence-assisted diagnostic modelhistopathological images
分类号
R737.9
栏目名称
DOI
10.3969/j.issn.2095-9400.2025.05.007
发布时间
2025-06-06（万方平台首次上网日期，不代表论文的发表时间）
基金项目
温州市重大科技创新攻关项目（ZG2022015）；
浙江省大学生科技创新活动计划(新苗人才计划)资助项目（S202410343137）
- 浏览7
- 被引0
- 下载8
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
