用深度学习来分类超塑性淋巴结和常见的犬类淋巴瘤亚型:一项初步研究
Magdalena Hubbard-Perez1, Andreea Luchian1, Charles Milford1
1DiMoLab, Institute of Infection Veterinary and Ecological Sciences, Department of Veterinary Anatomy Physiology and Pathology, University of Liverpool, Liverpool, United Kingdom.
Frontiers in veterinary science
|January 29, 2024
概括
这项研究表明,人工智能 (AI) 可以使用深度学习准确地分类狗淋巴瘤. 卷积神经网络 (CNN) 在区分淋巴瘤和正常淋巴结方面取得了99.34%的准确性.
科学领域:
- 兽医病理学 兽医病理学
- 在瘤学中使用人工智能
- 数字病理学数字病理学
背景情况:
- 淋巴瘤是常见的犬类瘤,但在兽医中人工智能的应用有限.
- 数字病理学和人工智能显示出人类医学中瘤分类的前景.
- 准确诊断犬类淋巴瘤亚型对于有效治疗至关重要.
研究的目的:
- 通过卷积神经网络 (CNN) 应用深度学习 (DL) 来进行犬类淋巴瘤分类.
- 为了区分正常的淋巴结和三种常见的世界卫生组织 (WHO) 狗淋巴瘤亚型.
- 评估AI在兽医淋巴瘤诊断中的可行性.
主要方法:
- 利用了来自整片扫描 (WSI) 的1530张高分辨率显微镜图像.
- 接受过培训并验证了CNN的背景区域图像,超塑性淋巴结和淋巴瘤亚型 (DLBCL,LBL,MZL).
- 采用DL技术进行图像分析和分类.
主要成果:
- 在测试组中,CNN在测试组中获得了99.34%的最大准确率 (在457张图像中正确识别了456张).
- 证明了在区分超增多性淋巴结和淋巴瘤方面具有很高的有效性.
- 成功分类了世卫组织常见的犬类淋巴瘤亚型.
结论:
- 深度学习是区分犬类淋巴瘤和分类常见亚型的可行工具.
- 开发的CNN显示了兽医诊断应用的巨大潜力.
- 需要进一步的研究,以扩大网络的能力,以更广泛的淋巴瘤.
更多相关视频
07:52Multiplexed Fluorescent Immunohistochemical Staining, Imaging, and Analysis in Histological Samples of Lymphoma
Published on: January 9, 2019
19.8K
15:07VDJ-Seq: Deep Sequencing Analysis of Rearranged Immunoglobulin Heavy Chain Gene to Reveal Clonal Evolution Patterns of B Cell Lymphoma
Published on: December 28, 2015
26.7K
