希尔施普朗格病的算法辅助诊断 - - 对来自各种实验室和幻灯片扫描仪的数据进行强度评估和比较图像分析

科学领域:

• 数字病理学数字病理学
• 计算病理学计算病理学
• 医学诊断 医学诊断 医学诊断

背景情况:

• 数字病理幻灯片的分析前变化 (准备,染色,扫描) 给算法辅助工具带来了挑战.
• 之前开发的Hirschsprung疾病诊断的决策支持算法需要对这些变量进行稳定性测试.
• 评估预分析因素对于诊断算法的临床适用性至关重要.

研究的目的:

• 评估Hirschsprung疾病诊断的决策支持算法的稳定性.
• 评估分析前因素 (医疗中心,扫描器模型) 对算法性能的影响.
• 为了验证算法的可靠性用于临床实践.

主要方法:

• 利用来自四个医疗中心 (A-D) 和三个扫描器模型 (Philips,Hamamatsu,3DHISTECH) 的数字病理幻灯片的决策支持算法.
• 分析了192个案例和1782个幻灯片.
• 采用RGB直方图来量化图像的颜色差异和对比度跨中心和扫描仪.

主要成果:

• 该算法实现了高精度:飞利浦的精度为99.2%,3DHISTECH的精度为95.5%,Hamamatsu扫描仪的精度为100%.
• 总体错误率根据中心 (3.9%-10.8%) 和扫描仪 (3.2%-9.8%) 不同,大多数错误都是错误阳性.
• RGB直方图证实了中心和扫描仪模型之间的显著图像差异.

结论:

• 基于算法的决策支持系统显示出足够的稳定性,可用于临床应用.
• 层次-情境分析 (HCA) 方法显示了开发具有有限数据集的算法辅助工具的潜力.
• 对于所有算法辅助系统,建议使用来自多个中心和扫描仪的各种数据进行验证.