癌症分析的淋巴细胞检测使用基于新型融合块的道提升了CNN的CNN
Zunaira Rauf1,2, Abdul Rehman Khan1, Anabia Sohail1,3
1Pattern Recognition Lab, Department of Computer and Information Sciences, Pakistan Institute of Engineering and Applied Sciences, Nilore, 45650, Islamabad, Pakistan.
Scientific reports
|August 28, 2023
概括
一个新的AI模型,BCF-Lym-Detector,在癌症组织学图像中准确检测瘤透淋巴细胞 (TIL). 这种自动化方法可以改进手动分析,帮助病理学家诊断癌症.
科学领域:
- 计算病理学计算病理学
- 人工智能在瘤学中的应用
- 发现生物标志物的发现.
背景情况:
- 瘤透淋巴细胞 (TIL) 是癌症分析中的关键生物标志物.
- 自动检测TIL很难,因为它们的外观和图像文物各不相同.
研究的目的:
- 开发一种基于融合的新型增强通道CNN (BCF-Lym-Detector),用于在各种癌症组织学图像中准确检测淋巴细胞.
- 增强特征学习能力,以改善TIL识别.
主要方法:
- 提出了两阶段检测网络:在组织层面选择候选区域,然后在细胞层面检测.
- 开发了一种新的自适应融合块,以集成和选择来自多个CNN架构的最佳功能.
- 利用多层次的特征学习来保存空间信息并检测具有不同形态的淋巴细胞.
主要成果:
- 在LYSTO上达到0.93的高F分,在NuClick数据集上达到0.84的高F分.
- 在未见的数据上表现出强烈的概括,回忆率为0.75和F-score为0.73.
- 由于多样化的特征提取和动态特征选择,BCF-Lym-Detector显示出了实质性的改进.
结论:
- BCF-Lym-Detector显著提高了数字病理学的自动TIL检测.
- 拟议的方法提供了一个有前途的工具来帮助病理学家,提高诊断的准确性和效率.
- 这种人工智能驱动的方法有可能推进癌症生物标志物分析.
