使用无密码人工智能模型对性结肠炎的组织学检测
Yuichiro Hamamoto1,2, Michihiro Kawamura3, Hiroki Uchida3
1Department of Diagnostic Pathology, Kinki Central Hospital of Mutual Aid Association of Public School Teachers, Itami, Hyogo, Japan.
International journal of surgical pathology
|October 26, 2023
概括
一个新的人工智能 (AI) 模型准确地识别了性结肠炎 (UC) 组织学模式. 这种AI工具有助于诊断UC和其他结肠疾病,解决病理学家短缺问题.
科学领域:
- 胃肠病学 胃肠病学
- 病理学 病理学 病理学
- 人工智能的人工智能
背景情况:
- 性结肠炎 (UC) 是一种慢性疾病,主要影响年轻人,需要准确的组织学诊断.
- 诊断病理学家的短缺对及时和精确的UC诊断构成了挑战.
- 组织学检查对于区分UC与其他结肠疾病和正常组织至关重要.
研究的目的:
- 开发和评估一种人工智能 (AI) 模型,用于对性结肠炎 (UC) 的组织图像进行分类.
- 评估AI模型区分UC与非UC结直肠炎,腺癌和对照样本的能力.
- 展示无代码AI平台在病理学复杂诊断任务中的实用性.
主要方法:
- 利用无代码的人工智能平台"可教机器"来训练一个分类模型.
- 在5100张组织学图像上训练模型,包括UC,非UC结直肠炎,腺癌和对照.
- 使用900张组织学图像的独立测试集验证了模型的性能.
主要成果:
- 人工智能模型在所有类别中实现了高准确率:UC为0.99,非UC大肠炎为1.00,腺癌为0.99,对照为0.99.
- 该模型表现出强大的能力来识别UC的独特组织学特征.
- 这项研究代表了无代码人工智能平台的首次应用,用于UC中全面的组织学模式识别.
结论:
- 一个无代码的人工智能平台可以有效地被训练,以准确区分性结肠炎的组织图像.
- 开发的AI模型显示了支持病理学家诊断UC和相关疾病的巨大潜力.
- 这种方法提供了一个可扩展和可访问的解决方案,以帮助诊断难以治疗的胃肠道疾病.
更多相关视频
07:38Multimodal Quantitative Phase Imaging with Digital Holographic Microscopy Accurately Assesses Intestinal Inflammation and Epithelial Wound Healing
Published on: September 13, 2016
8.4K
09:11Systematic Scoring Analysis for Intestinal Inflammation in a Murine Dextran Sodium Sulfate-Induced Colitis Model
Published on: February 14, 2021
9.4K
