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

肝脏肿瘤分割是癌症诊断中的重要环节，利用深度学习神经网络可以实现对肝脏器官的识别以及肿瘤的检测。
- 检测方法 ：在CT扫描中，通过观察像素强度与周围健康肝脏区域的变化来检测肿瘤的存在。利用超参数和epoch分数来确定模型的准确性，最后使用CT图像训练模型以分割多个肝脏肿瘤。
- 性能指标 ：该方法的DSC（Dice相似系数）为0.749，优于大多数先前的方法。结果表明，该方法可以从腹部CT扫描中持续分割肝脏肿瘤。
- 局限性 ：当整个肝脏未被捕获或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会失败。

2. 急性淋巴细胞白血病分类与预测

急性淋巴细胞白血病（ALL）是儿童血液和骨髓的一种癌症，占儿童癌症的25%。症状包括骨痛、牙龈出血、发烧、感染频率高、鼻出血、呼吸急促、虚弱或疲劳等。为了实现ALL细胞分类和检测的自动化，深度学习的应用至关重要。

2.1 相关工作

许多研究人员在ALL的分类和检测方面进行了大量工作，以下是一些相关研究的总结：
| 研究人员 | 数据集 | 方法 | 准确率 |
| — | — | — | — |
| Genovese等 | ALL - IDB2 | 浅层CNN调优自适应图像，深层CNN分类 | 未锐化图像96.8%（VGG16），原始图像96.76% |
| Arjun Abhishek等 | ALL