细胞投影图:骨髓吸附细胞学的新可视化

科学领域:

• 血液病理学 血液病理学
• 计算病理学计算病理学
• 医学中的人工智能

背景情况:

• 深度学习模型显示了骨髓细胞检测准确性和效率的前景.
• 这些人工智能模型在诊断工作流程中的临床实施仍然有限.
• 目前用于细胞检测模型的评估指标可能与临床需求不一致.

研究的目的:

• 引入新的,自动化的视觉总结称为细胞投影图 (CPPs) 骨髓吸附标本.
• 评估CPP在血液病理学中的临床相关性和实用性.
• 探索CPP作为将AI整合到数字病理学的潜在工具.

主要方法:

• 开发了一种自动化方法,从骨髓吸收图像中生成细胞投影图 (CPP).
• CPP的设计旨在捕捉关键的生物模式,如中性粒细胞成熟.
• 三名血液病理学家通过将CPP与诊断总结相匹配来评估临床相关性.

主要成果:

• 血液病理学家在细胞投影图 (CPP) 和相应的诊断总结之间实现了85%的匹配精度.
• CPPs有效地代表了骨髓细胞学中的临床相关信息.
• 这项研究表明,CPPs有潜力提供骨髓吸附细胞学的紧摘要.

结论:

• 细胞投影图 (CPPs) 显示出作为骨髓细胞学临床相关的视觉摘要的前景.
• CPP可能会促进人工智能在血液病理学中的以人为中心的实施.
• 这些图表可以作为数字病理学工作流程中诊断支持工具的基础.