相关实验视频
Updated: Jun 13, 2026
06:55
Low-Cost, Volume-Controlled Dipstick Urinalysis for Home-Testing
Published on: May 8, 2021
5.6K
一个改进的半自主尿细胞学评估工具的大规模验证研究:AutoParis-X
Joshua J Levy1,2,3,4, Natt Chan4, Jonathan D Marotti1,5
1Emerging Diagnostic and Investigative Technologies, Department of Pathology and Laboratory Medicine, Dartmouth Hitchcock Medical Center, Lebanon, New Hampshire, USA.
Cancer cytopathology
|June 28, 2023
概括
一个新的深度学习工具,AutoParis-X,通过准确评估尿液细胞学,有助于膀癌查. 这种计算方法比手工方法提高了效率和可靠性,朝着临床准备迈进.
科学领域:
- 尿癌的诊断 尿癌的诊断
- 计算病理学计算病理学
- 数字诊断数字诊断的使用.
背景情况:
- 膀癌查传统上依赖于尿细胞学的主观手动评估.
- 像巴黎体系这样的定量标准已经改善了实践,但诊断算法滞后.
- 尿细胞学报告的复杂性阻碍了自动化决策工具的开发.
研究的目的:
- 开发和验证一个深度学习工具,AutoParis-X,用于快速的,半自主性尿细胞学样本检查.
- 通过计算分析提高膀癌查的效率,准确性和可靠性.
主要方法:
- 开发和大规模追溯验证AutoParis-X深度学习工具.
- 使用整个幻灯片图像进行分析,并结合与细胞相关的信息和与集群相关的信息.
主要成果:
- 自动Paris-X准确地确定尿路细胞异型,并提供异型负担得分.
- 缺陷症得分与整体标本缺陷症相关,并预测巴黎系统的诊断类别.
- 该工具有效地处理重叠的细胞群,改善异型预测和核-细胞质比率估计.
结论:
- 自动Paris-X在评估尿细胞学方面表现出准确性,接近临床准备.
- 一个公开的,开源的 Web 应用程序可以方便地检查整个幻灯片图像.
- 进一步的对比临床试验是必要的,以充分评估自动化数字病理系统.
