基于深度学习的组织学诊断系统的开发和验证,用于诊断结肠直肠形形病变
Zhifeng Wu1, Liwen Yao1, Wen Liu2
1Department of Gastroenterology, Key Laboratory of Hubei Province for Digestive System Disease, Hubei Provincial Clinical Research Center for Digestive Disease Minimally Invasive Incision.
American journal of clinical pathology
|June 6, 2023
概括
一个新的深度学习系统,LA-SSLD,准确地区分结直肠状状病变 (SSL) 和多重塑性息肉 (HP). 这种人工智能工具实现了专家级的诊断性能,为病理学家提供了有前途的解决方案.
科学领域:
- 胃肠病学 胃肠病学
- 病理学 病理学 病理学
- 人工智能的人工智能
背景情况:
- 结直肠状状病变 (SSL) 和多重塑性息肉 (HP) 的组织病理学诊断显示了观察者之间的一致性较低.
- 准确的区分对于患者管理和预防结直肠癌进展至关重要.
研究的目的:
- 开发和验证基于深度学习 (DL) 的逻辑人类形态病理诊断系统 (LA-SSLD).
- 与人类病理学家相比,评估LA-SSLD在分辨结直肠SSL和HP的诊断性能.
主要方法:
- 为分段和分类任务开发了一个包含四个深度卷积神经网络 (DCNN) 模型的框架.
- 该系统在175个HP和127个SSL组织段上进行了训练和验证.
- 在人机比赛中,LA-SSLD的表现与11名病理学家进行了评估.
主要成果:
- DCNN模型在细分 (Dice分数为58.38%-93.66%) 和分类 (精度为92.72%) 中取得了高性能.
- 在人机竞赛中,LA-SSLD的精度为85.71%,灵敏度为86.36%,特异性为85.00%.
- LA-SSLD实现了专家级准确性,超过了所有参与的高级和初级病理学家.
结论:
- 开发的逻辑人形诊断系统 (LA-SSLD) 有效地区分了结直肠SSL和HP.
- LA-SSLD显示出作为一种强大的诊断工具的潜力,通过更少的样本实现专家级准确性.
- 这种方法为开发未来在病理学中的人工智能诊断模型提供了宝贵的见解.
