一种基于深度学习的方法,用于估计胰腺细胞颗粒面积在腹腔疾病中
Ebtihal Alharbi1,2, Ajay Rajaram1, Kevin Côté1
1From the Department of Pathology, McGill University, Montreal, Quebec, Canada (Alharbi, Rajaram, Côté, Farag, Gao, Maedler-Kron, Marcus, Fiset).
Archives of pathology & laboratory medicine
|October 18, 2023
概括
这项研究发现病患者的密室面积增加和帕内斯细胞颗粒面积减少. 人工智能分析揭示了密码增生和降低帕内斯细胞功能与CD严重程度.
科学领域:
- 胃肠道学和免疫学
- 计算病理学计算病理学
- 数字病理学数字病理学
背景情况:
- 帕内特细胞数与胃肠道炎症疾病有关.
- 帕内斯细胞在乳病 (CD) 中的作用尚不清楚,没有确立的共识.
- 在CD中量化帕内斯细胞变化需要客观的方法.
研究的目的:
- 量化比较在乳病 (CD) 患者中的密室和帕内斯细胞颗粒面积与非CD对照.
- 利用基于人工智能 (AI) 的解决方案,精确细分和分析十二指肠活检组织.
- 为了研究帕内斯细胞颗粒面积和CD严重程度之间的关系.
主要方法:
- 从349名患者 (185个CD,164个对照组) 的数字化血素-素染色十二指肠活检幻灯片的分析.
- 实现NoCodeSeg,一个无代码的人工智能工作流,利用QuPath和DeepMIB对密码和Paneth细胞颗粒进行细分.
- 测量和比较CD和非CD组之间的总组织面积,上皮,密室和帕内斯细胞颗粒面积.
主要成果:
- 实现了高细分精度:密室为88.76%,帕内斯细胞颗粒为91.30%.
- 与对照组相比,CD患者的密码面积相对于总组织面积增加.
- 帕内特细胞颗粒面积相对于总组织面积在CD患者下降.
- 帕内斯细胞颗粒面积的减少与CD严重程度的增加相关.
结论:
- 在乳病患者中证实了密室增生症.
- 减少的帕内斯细胞颗粒面积是CD中帕内斯细胞功能受损的间接指标.
- 一个高效的,无代码的人工智能工作流可以对CD研究的完整幻灯片部分进行强有力的分析.
