在数字病理学中实施的组织病理学图像分析和预测建模-当前事务和前景
Mihaela Moscalu1, Roxana Moscalu2, Cristina Gena Dascălu1
1Department of Preventive Medicine and Interdisciplinarity, "Grigore T. Popa" University of Medicine and Pharmacy, 700115 Iassy, Romania.
Diagnostics (Basel, Switzerland)
|July 29, 2023
概括
数字病理学和人工智能增强了他的病理学图像分析,提供了更高的精度,并使新的诊断可能性. 这种协同作用改善了疾病检测,并支持了超越传统显微镜的翻译研究.
科学领域:
- 数字病理学数字病理学
- 计算病理学计算病理学
- 医学成像分析 医学成像分析
背景情况:
- 数字病理学在现代解剖病理学实验室中至关重要.
- 信息技术的进步促进了数字遗传病学图像的管理和共享.
- 人工智能 (AI) 和机器学习 (ML) 正在彻底改变图像分析.
研究的目的:
- 审查有关数字病理学及其应用的当前知识状态.
- 突出AI和ML在基因病学图像分析中的潜力.
- 探索数字病理学与人工智能的整合,以提高诊断能力.
主要方法:
- 在PubMed进行文献搜索,重点是数字病理学及其应用.
- 对比计算机辅助图像分析与传统光学显微镜研究的分析.
- 对AI和ML技术的评估,以量化基因病理特征.
主要成果:
- 与光学显微镜相比,计算机辅助图像分析在数量化数字遗传学图像的信息中表现出更高的一致性和精度.
- 人工智能和机器学习能够通过图像分析进行诊断,扩展能力超越传统专业.
- 人工智能驱动的分析可以比人类病理学家更详细地识别,提取和量化特征.
结论:
- 数字病理学与人工智能和先进算法的整合扩展了诊断能力,超出了显微观查看的极限.
- 计算机辅助分析在翻译研究中为新的诊断算法和预测模型提供了潜力.
- 数字病理学的AI可以在细胞和分子层面上识别新的疾病特征.
