一种深度学习的洋剥离方法来测量口腔上皮层层数

科学领域:

• 数字病理学数字病理学
• 在瘤学瘤学.
• 医学成像分析分析 医学成像分析

背景情况:

• 头部和部状细胞癌 (HNSCC),特别是口腔状细胞癌 (OSCC),显著影响患者的生活质量.
• 早期的OSCC诊断可以改善预后,但依赖于病理学家对组织学图像的解释,这是受观察者变化的影响.
• 目前口腔发育不良的自动诊断技术缺乏上皮层数量的分析,这是一个潜在的关键特征.

研究的目的:

• 开发和验证一种自动化方法,用于在组织学图像中计数口腔上皮层.
• 为了评估自动和手动上皮层计数之间的相关性.
• 调查上皮层数量的临床相关性,以分级口腔发育不良的严重程度.

主要方法:

• 结合U-Net和HD-Staining架构用于口腔表皮细分.
• 开发了一种名为"洋剥离"的新算法,用于计数上皮层.
• 进行了生存分析,以将上皮层数量与口腔发育不良的严重程度相关联.

主要成果:

• 证明了"洋剥离"算法的层数和专家手工计数之间的密切相关性.
• 展示了自动上皮层计数在分级口腔发育不良症严重性的临床相关性.
• 自动化层计数方法显示了作为数字病理学工具的可行性.

结论:

• 自动计数口腔上皮层是数字病理学工具箱的可行补充,用于OSCC诊断和分级.
• "洋剥离"算法提供了一种可靠的方法来量化上皮层分层.
• 预计随着更大的数据集,模型的通用性和准确性将进一步提高.