深度学习系统用于结直肠多的真实和伪入侵
Joe Yang1, Lina Chen2, Eric Liu1
1Department of Computer Science, Western University, London, N6A 3K7, Canada.
Scientific reports
|January 3, 2024
概括
这项研究开发了一种人工智能工具,用于准确区分结肠多的真实与伪入侵,提高诊断速度和患者护理. 该系统实现了83.9%的准确性,帮助病理学家规划治疗.
科学领域:
- 病理学 病理学 病理学
- 人工智能的人工智能
- 计算生物学 计算生物学
背景情况:
- 每年在北美进行超过1500万次结肠镜检查.
- 准确区分真实和伪入侵的结肠多,对于适当的患者治疗至关重要.
- 目前的诊断方法缺乏专门的工具和注释良好的数据集,这对病理学家来说是一个挑战.
研究的目的:
- 开发和评估一种新的人工智能系统,用于分类组织类型,并区分结肠多的真伪入侵与伪入侵.
- 创建一个在线注释工具,以促进使用全幻灯片图像 (WSIs) 训练深度神经网络.
主要方法:
- 从结肠活检中获得了150张全幻灯片图像 (WSIs).
- 开发了三个深度神经网络 (DNN),在不同的放大度上训练WSIs.
- 利用在线注释平台为病理学家输入培训DNN.
主要成果:
- 人工智能系统在分类组织类型方面实现了95.3%的准确性.
- 该系统在区分真实入侵与伪入侵方面表现出83.9%的准确性.
- 发现该系统的诊断效率与专家病理学家的诊断效率相当.
结论:
- 开发的AI系统提供了一个有前途的工具,可以帮助病理学家诊断结肠.
- 该系统可以作为确认或查工具,潜在地改善患者护理并降低医疗保健成本.
- 该系统的可用性 (http://ai4path.ca) 标志着胃肠道诊断计算病理学的重大进步.
