При использовании только гистопатологических изображений без дополнительного вспомогательного обследования, мелкие образцы биопсии ретроперитонеальных сарком мягких тканей могут приводить к разногласиям между наблюдателями, что влияет на общую точность диагностики подтипов заболевания. Для решения этой проблемы было собрано 157 полноразмерных срезов (WSIs) из нескольких центров, охватывающих пять категорий заболеваний: дедлиффицированная липосаркома, лейомиосаркома, злокачественная периферическая нервно-оболочечная опухоль, недифференцированная мультиформная саркома и высокодифференцированная липосаркома. На основе этих WSI предложены два метода ансамбля моделей на базе изображений одного масштаба и мульти масштаба, обученных с использованием глубоких моделей ResNet18, EfficientNet B7 и EfficientNet V2. Результаты показали, что оба метода ансамбля достигли высокой точности классификации, с лучшей моделью, демонстрирующей общую точность 82,27% на уровне блоков и 80,95% при анализе полноразмерных срезов. Таким образом, предложенный метод может эффективно помогать патологоанатомам в клинической практике при диагностике ретроперитонеальных сарком мягких тканей.

ретроперитонеальная саркома мягких тканей;глубокое обучение;полноразмерные срезы;диагностика подтипов