介质图:从组织学图像中自动分析介质瘤亚型

科学领域:

• 在瘤学瘤学.
• 计算病理学计算病理学
• 人工智能的人工智能

背景情况:

• 间皮瘤的分类依赖于组织学亚型:上皮状,状和双相.
• 量化瘤类组件至关重要,因为它表明双相性间皮瘤的预后较差.
• 准确评估肉类质含量是具有挑战性的,但对于患者的治疗结果至关重要.

研究的目的:

• 开发一个计算模型来精确量化瘤性半质瘤.
• 为了实现瘤组织的细胞水平分析,以改善预后预测.
• 创建一个基于sarcomatoid协会得分的定量分析方法.

主要方法:

• 开发一个双任务图形神经网络 (GNN) 架构与排名损失.
• 组织作为细胞图的表示,包含形态和区域特征.
• 使用来自Mesobank的外部多中心测试集进行验证.

主要成果:

• 该GNN模型实现了组织区域的准确评分,直到细胞分辨率.
• 通过综合的肉类类关联得分来证明瘤样本的定量分析.
• 模型预测通过分析与预测得分相关的细胞形态来验证.

结论:

• 开发的GNN模型提供了一种新的,定量化的方法来测量间皮瘤亚型.
• 这种方法有助于客观地评估肉类类成分,有助于预后评估.
• 这些发现支持在计算病理学中使用人工智能,以改善癌症诊断.