相关实验视频
Updated: Jul 25, 2025
08:58
Artificial Intelligence Approaches to Assessing Primary Cilia
Published on: May 1, 2021
3.5K
使用人工智能在中枢角膜中自动识别和定量激活的树突细胞
Harry Levine1, Arianna Tovar1, Adam K Cohen1
1Bascom Palmer Eye Institute, University of Miami Miller School of Medicine, Miami, FL, 33136, USA; Miami Veterans Administration Medical Center, 1201 NW 16th St, Miami, FL, 33125, USA.
The ocular surface
|June 29, 2023
概括
一个自动化算法有效量化角膜中激活的树突细胞 (aDCs),使用体内共聚焦显微镜 (IVCM) 图像. 这种由人工智能驱动的方法与手动计数非常一致,为研究和临床应用提供了可靠的方法.
科学领域:
- 眼科医生 眼科 眼科
- 免疫学 免疫学 免疫学
- 医疗成像医学成像
背景情况:
- 活性树突细胞 (aDCs) 在眼表面炎症中起作用.
- 对aDCs的准确量化对于理解和管理诸如眼睛干燥 (DE) 等疾病至关重要.
- 在生物共聚焦显微镜 (IVCM) 允许对角膜细胞进行实时成像.
研究的目的:
- 验证一个自动化算法来量化激活的树突细胞 (aDCs) 使用体内共聚焦显微镜 (IVCM) 图像.
- 为了比较自动化aDC量化与手动计数方法的准确性.
- 评估算法在不同类型的干眼 (DE) 中的性能.
主要方法:
- 追溯分析了来自86个人的173张IVCM图像.
- 使用自动化算法和手动计数执行的aDCs的量化.
- 使用类内相关性 (ICC) 和布兰德-阿尔特曼图表进行自动和手动计数的比较.
- 第二次分析将参与者按DE亚型分组:水性撕裂缺陷 (ATD) 和蒸发性DE (EDE).
主要成果:
- 自动化算法与手动aDC计数 (ICC = 0.80) 显示出极好的一致性.
- 在自动化和手动量化 (0.19,p < 0.01) 之间观察到很小的差异.
- 在DE亚型中发现了类似的高一致性:ATD (ICC=0.75),EDE (ICC=0.80) 和控制 (ICC=0.82).
结论:
- 一个基于机器学习的自动化算法可以使用IVCM可靠地量化中央角膜中的aDCs.
- 人工智能驱动的分析显示了与手工量化结果相似的结果.
- 建议对不同种群进行进一步的纵向研究,以验证这些发现.
