一项关于使用不同神经网络检测Mycobacterium tuberculosis在尸体解剖样本中的研究
1Institute of AI and Big Data in Medicine, Yonsei University Wonju College of Medicine, Wonju 26426, Republic of Korea.
Diagnostics (Basel, Switzerland)
|July 14, 2023
概括
这项研究引入了一种计算机辅助诊断 (CAD) 系统,以改善尸检样本中的结核病 (TB) 检测. 人工智能模型显著加快了酸性快速菌根 (AFB) 的查速度,降低了尸检人员的风险.
科学领域:
- 医疗成像医学成像
- 病理学 病理学 病理学
- 人工智能的人工智能
背景情况:
- 结核病 (TB) 对尸检人员来说是一个重要的职业危险,其发病率是临床人员的3-5倍.
- 韩国面临着高结核病负担,在2020年,在经合组织国家中,结核病发病率最高,死亡率第三.
- 传统的Ziehl-Neelsen染色用于酸性细菌 (AFB) 需要费力,耗时的显微镜检查在1000×放大.
研究的目的:
- 开发和评估计算机辅助诊断 (CAD) 系统,以有效地检测组织病理样本中的结核病.
- 为了缩短诊断时间和提高结核病查在尸检设置的准确性.
- 减轻验尸人员的职业感染风险,加快死亡原因的确定.
主要方法:
- 开发一个CAD系统,利用九个神经网络训练在他的病理图像.
- 训练和评估使用400倍放大度的Ziehl-Neelsen染色幻灯片进行.
- 对模型在尸检样本中检测Mycobacterium tuberculosis (M. 结核病) 的能力的评估.
主要成果:
- "N"型号表现出卓越的性能,每次补丁精度为99.77%,每次幻灯片精度为90%.
- 在评估的幻灯片中,CAD系统有效地识别了M.结核病.
- 人工智能模型显示了初步结核病查的潜力,有助于病理学家.
结论:
- 开发的CAD系统可以显著提高结核病诊断在尸检工作中的效率.
- 这种人工智能驱动的方法有助于病理学家进行初步查,减少诊断工作量和时间.
- 这项研究有助于最大限度地减少尸检人员的感染风险,并促进快速死亡调查.
