一个计算框架来检测从H&E染色的整个幻灯片图像中正常和结核感染的肺部

科学领域:

• 计算病理学计算病理学
• 生物信息学是一种生物信息学.
• 传染病研究传染病研究.

背景情况:

• 正常肺组织的准确量化对于了解Mycobacterium结核病感染至关重要.
• 当前的方法可能缺乏效率和准确性在分析整个幻灯片图像与多个组织部分.
• 自动化分析可以帮助研究人员专注于特定感兴趣的区域.

研究的目的:

• 从整个幻灯片图像中自动提取和分类肺组织部分的计算框架的开发和验证.
• 提高量化正常和受Mycobacterium结核病感染的肺组织的效率和准确性.
• 提供一种与生物专业知识一致的工具,用于定义组织状态.

主要方法:

• 一个计算框架,利用逻辑和形态操作来有效提取单个组织部分.
• 深度神经网络用于将提取的组织部分分为正常和感染区域.
• 培训和测试的数据集分别为60和120个整片图像.

主要成果:

• 该框架在从整个幻灯片图像中提取单个组织部分时,达到99.2%的准确性.
• 在将肺部部分归类为正常或受感染时,获得了高精度99.7%.
• 初步调查结果显示,该框架的分类与专家的生物评估之间存在很强的一致性.

结论:

• 拟议的计算框架在分析肺组织进行Mycobacterium结核病研究方面表现出高的准确性和效率.
• 自动检测和量化正常和受感染的肺部区域可以显著支持生物研究.
• 该工具对可靠的组织状态差异化具有前景,与专家判断保持一致.