基于YOLO11的结直肠癌病理图像分析及HER-2评级
Abstract
目的探究基于YOLO11深度学习模型的自动化病理图像分析与HER-2分级方法，提升病理诊断的效率与客观性。方法对原始免疫组化图像进行灰度化、边缘检测、降噪及参数优化等预处理操作，然后利用YOLO11目标检测网络实现肿瘤细胞区域的快速识别与精确定位，结合YOLO检测框结果，构建自适应HER-2评级算法，对不同表达强度进行智能分级并标注病变区域，通过数据增强策略进一步优化模型的泛化性能。结果本文方法分类精确率达到0.91，召回率为0.87，F1值为0.89，表明其在病灶区域定位的准确性与完整性方面均较为突出。结论该方法HER-2评级与人工判读高度一致，有效提升了病理诊断的效率与客观性，为结直肠癌HER-2的标准化分析提供了可靠的技术支撑。
Fields of Study & Subjects
AI in cancer detection
Cell Image Analysis Techniques
Advanced Neural Network Applications
Publication details
- Journal / source
- DOAJ (DOAJ: Directory of Open Access Journals)
- Publication date
- 1 February 2026
- Language
- ZH