在人类骨质地带组织中自动预测骨关节炎水平,使用组织病理学图像
1Department of Biomedical Systems and Informatics Engineering, Hijjawi Faculty for Engineering Technology, Yarmouk University, Irbid 21163, Jordan.
Bioengineering (Basel, Switzerland)
|July 29, 2023
概括
这项研究引入了一个人工智能工具,可以从软骨图像中自动分类骨关节炎 (OA) 的进展,帮助早期诊断和治疗开发. 人工智能实现了高精度,减少了对专家组织病理学得分的需求.
科学领域:
- 生物医学工程 生物医学工程
- 计算病理学计算病理学
- 整形外科 整形外科 整形外科
背景情况:
- 骨关节炎 (OA) 是一种常见的退行性关节疾病,也是老年人下肢残疾的主要原因.
- 早期发现和了解OA进展对于开发有效的,针对患者的疗法至关重要.
- 目前用于OA评估的组织病理学评分系统需要专家解释.
研究的目的:
- 开发和验证人工智能 (AI) 算法,用于骨关节炎 (OA) 基因病理图像的自动分类.
- 评估深度学习模型与特征选择算法相结合的性能,以对OA严重程度进行分级.
- 提供一个工具,帮助研究人员评估OA的进展,而不依赖于手动的专家评分.
主要方法:
- 用血素和埃素 (HE) 和沙夫兰素O和快速绿色 (SafO) 染色的人类软骨标本被分为OA严重程度等级 (早期,轻度,中度,严重).
- 五个预训练的卷积神经网络 (CNN) 用于特征提取,其次是主要组件分析 (PCA) 和狮优化 (ALO) 用于特征选择.
- 一个支持矢量机 (SVM) 分类器被训练并使用所选特征进行了测试.
主要成果:
- 人工智能模型实现了高分类准确率,HE染色图像的准确率为98.04%,SafO染色图像的准确率为97.03%.
- 在所有OA严重程度等级中获得了优异的F1分数,两种染色方法的值从0.97到1.00不等.
- 狮优化 (ALO) 算法有效地选择了最佳特征,以准确的OA分级.
结论:
- 开发的AI算法提供了一种可靠和自动化的方法来分类OA病理图像.
- 这种工具可以显著帮助研究人员描述OA的进展和发展,减少对人工专家评估的依赖.
- 自动深度特征提取和选择对推进OA研究和了解疾病机制充满希望.
