一个深度学习模型用于对胰腺细胞学全幻灯片成像中的腺癌进行分类和预测
Andrew Sohn1, Daniel Miller2, Efrain Ribeiro1
1Department of Pathology, Johns Hopkins University School of Medicine, Baltimore, MD, USA.
Scientific reports
|October 2, 2023
概括
一个新的深度学习框架,MIPCL,帮助病理学家选胰腺细针癌症的愿望. 这种人工智能工具提高了诊断准确度,并确定了预测的关键区域,增强了胰腺管道腺癌的评估.
科学领域:
- 在瘤学瘤学.
- 计算病理学计算病理学
- 医学诊断 医学诊断 医学诊断
背景情况:
- 胰腺细针吸收对于诊断胰腺管道腺癌至关重要.
- 由于化学疗法和手术等高风险的治疗决策,准确的诊断至关重要.
- 病理学家在准确解释细胞病理学幻灯片时面临着挑战.
研究的目的:
- 开发和评估一个深度学习框架 (MIPCL) 用于查细针吸收的胰腺癌.
- 将MIPCL的性能与外科病理学的现有深度学习模型进行比较.
- 使用人工智能提高胰腺癌诊断的效率和准确性.
主要方法:
- 开发了一个名为MIPCL的新型深度学习框架.
- 复制两个已建立的深度学习模型用于细胞病理学分析.
- 使用F1-Score和AUROC等指标对模型性能进行评估.
- 实施数据集策划策略,以增加培训数据.
主要成果:
- 与现有模型相比,MIPCL在所有评估指标上表现出卓越的表现.
- MIPCL获得了91.07%的F1分数和0.9435.5的AUROC.
- 该模型成功地确定了对其预测至关重要的图像区域.
- 数据集策划策略有效地增加了培训示例,减少了资源负担.
结论:
- 在细胞病理学中,MIPCL 作为胰腺管道腺癌的有效查工具.
- 深度学习方法在改善胰腺癌的诊断准确性方面显示出显著的希望.
- 提出的方法为人工智能驱动的病理提供了可扩展的解决方案,降低了数据采集成本.
