在基因病理图像中检测和定位癌症区域的新方法,基于重叠的补丁
Sergio Ortiz1, Ignacio Rojas-Valenzuela1, Fernando Rojas1
1Department of Computer Architecture and Technology, University of Granada, E.T.S. de Ingenierías Informática y de Telecomunicación, C/ Periodista Daniel Saucedo Aranda S/N CP:18071 Granada, Spain.
Computers in biology and medicine
|November 24, 2023
概括
这项研究引入了一种新的深度学习方法,使用重叠的组织补丁来改善整个幻灯片图像 (WSI) 中的癌症检测和定位. 该方法通过完善补丁标签和纠正错误分类来提高准确性,达到94.6%的整体准确率.
科学领域:
- 医学成像医学成像
- 人工智能在瘤学中的应用
- 计算病理学计算病理学
背景情况:
- 癌症仍然是全球主要的死亡原因,治疗方法有限,急需早期检测和定位.
- 人工智能 (AI) 显著提升了医疗诊断,提供了成本和时间的效率.
- 整体幻灯片图像 (WSI) 为癌症分析提供了复杂的数据,需要复杂的计算方法.
研究的目的:
- 开发和评估一种新的深度学习 (DL) 方法,用于在WSIs中增强癌症检测和定位.
- 通过使用组织贴片叠加方法来提高癌症检测的性能.
- 通过重叠补丁分析和后处理过器来加强图像标签的准确性.
主要方法:
- 实施一种新的重叠补丁方法来分析WSIs.
- 在重叠的贴片标签上应用3x3级2平均聚合过器,以完善检测.
- 开发一个过器来纠正错误分类的孤立补丁和CNN决策值研究.
主要成果:
- 建议的重叠补丁方法证明了更好的检测性能,纠正了12.9% (HUP数据集) 和15.8% (CINIJ数据集) 的错误分类补丁.
- 结合隔离贴片校正和值调整,大约20%的标签错误的贴片得到了纠正.
- 拟议方法实现的整体准确率达到了94.6%.
结论:
- 新的重叠补丁方法比WSIs中癌症检测的传统框架提供了显著的改进.
- 整合重叠补丁分析,孤立补丁校正和值优化可以提高诊断准确度.
- 这种人工智能驱动的方法为数字病理学中精确有效地定位癌症提供了一个有希望的新方向.
