深度学习提供了与哨兵淋巴结的乳腺癌转移的快速屏幕
Kareem Allam1, Xiaohong Iris Wang1, Songlin Zhang2
1Department of Pathology and Laboratory Medicine, University of Texas Health Science Center-Houston, Medical School, Houston, TX, USA.
Annals of clinical and laboratory science
|January 5, 2024
概括
这项研究开发了一种快速深度学习方法,用于检测乳腺癌在淋巴结中的转移. 分析图像补丁为检查整个幻灯片图像提供了一个更快的替代方案,实现高精度.
科学领域:
- 计算病理学计算病理学
- 在瘤学瘤学.
- 数字病理学数字病理学
背景情况:
- 深度学习 (DL) 有助于检测乳腺癌转移的整个幻灯片图像 (WSI) 的哨兵淋巴结.
- 目前的DL方法需要对所有淋巴结片进行广泛的分析,这需要大量的时间.
研究的目的:
- 开发一种快速查乳腺癌转移的方法.
- 分析图像补丁的一个小子集,以检测瘤环境变化,绕过详尽的WSI分析.
主要方法:
- 一个卷积神经网络 (CNN) 设计用于转移检测.
- 从34个案例中使用了WSI,每个WSI提取了40个图像补丁.
- 为了培训,验证和测试,创建了一个包含2720个图像补丁的数据集.
主要成果:
- 诊断模型实现了高精度 (91.15%),灵敏度 (77.92%) 和特异性 (92.09%).
- 在3名用户中观察者间的变化是最小的,表明可靠的结果.
结论:
- 这项初步研究证明了快速转移查的概念证明.
- 这种方法提供了一个更快的替代方案,而不是在哨兵淋巴结中彻底寻找瘤.
关键词:
乳腺癌 乳腺癌 乳腺癌深度学习 (Deep Learning) 是一种深度学习.转移 转移 转移 转移快速屏幕可以快速显示.哨兵淋巴结 (Sentinel Lymph Nodes) 是一个临床系统的组成部分.整体幻灯片成像技术 整体幻灯片成像更多相关视频
07:51The Application of 1% Methylene Blue Dye As a Single Technique in Breast Cancer Sentinel Node Biopsy
Published on: June 1, 2019
19.5K
09:53Quantifying the Brain Metastatic Tumor Micro-Environment using an Organ-On-A Chip 3D Model, Machine Learning, and Confocal Tomography
Published on: August 16, 2020
7.2K