癌症分级是指根据恶性肿瘤的分化程度高低、异型性大小及核分裂像多少等病理形态，来确定恶性程度的级别。分级可以表明肿瘤的恶性程度，为临床诊断、选择治疗方案和预后评估提供依据。但现实中，分级结果高度依赖于医生经验，具有较大主观性。近年来随着模式识别、机器学习、深度学习等技术的不断发展，科学界正尝试构建可以与医学影像结合的深度学习网络，对癌症进行客观自动的分级。
此次，科研团队构建了一套名为SE-DenseNet的复合深度学习网络。这套网络既能敏锐地捕捉增强核共振图像特征，又能自主学习、不断优化不同特征在整个分析中的权重，完成对癌症患者的分级。
“相比于传统通过穿刺进行的癌症分级，使用‘医学影像+AI’分级能更全面地获取病灶信息，降低漏检概率。近年来，利用人工智能进行病灶分级的准确性还在不断提升，说明这项技术应用于疾病诊疗具有很广阔的前景。”参与此项研究的苏州医工所研究员周志勇说。
相关研究成果已于近日刊发在生物医学工程领域期刊《生物学与医学中的计算机应用》上。
