12、深度学习在癌症诊断中的应用：肝脏肿瘤分割与急性淋巴细胞白血病分类

深度学习在癌症诊断中的应用：肝脏肿瘤分割与急性淋巴细胞白血病分类

1. 肝脏肿瘤分割的深度学习方法

在肝脏肿瘤分割领域，深度学习神经网络发挥着重要作用。其识别肝脏器官的方法是，通过观察 CT 扫描中像素强度的变化来检测肿瘤的存在，将其与周围健康肝脏区域进行对比。同时，利用超参数和轮次得分来确定模型的准确性。最后，使用 CT 图像训练模型，以实现对多个肝脏肿瘤的分割。

该方法的性能指标显示，其 DSC（Dice 相似系数）为 0.749，优于之前讨论的大多数方法。结果表明，该方法能够持续从腹部 CT 扫描中分割出肝脏肿瘤。然而，当整个肝脏未被完全捕获，或者肝脏被重叠器官遮挡时，模型会失效。此外，该算法在处理微小和不规则形状的肿瘤时也存在困难。

2. 急性淋巴细胞白血病的深度学习分类与预测

2.1 引言

急性淋巴细胞白血病（ALL），也被称为血癌，是儿童血液和骨髓的一种癌症，占儿童癌症的 25%。其症状包括骨痛、牙龈出血、发烧、感染频率高、鼻出血严重或频繁、呼吸急促、虚弱或疲劳等。通常由专家采集血样进行检查，并基于分类做出诊断。为了实现 ALL 细胞分类和检测过程的自动化，深度学习的应用至关重要。正常细胞和感染白血病细胞的图像可从数据集描述部分的链接获取，图像按文件夹分开存放。

这种疾病如果不及时治疗可能致命，因此，准确的检测、诊断和及时治疗至关重要。ALL 的生存率为 68.8%，癌症治疗史、辐射暴露和某些遗传疾病会增加患 ALL 的风险。人工神经网络（ANN）是由骨髓细胞 DNA 突变引起的，这些细胞不断快速生长和分裂，产生的未成熟细胞称为淋巴母细胞。治疗方法包括放疗、化疗、骨髓移植等。

2