在基于对象检测的H&E染色整片图像中检测心脏细胞
Sumeth Yuenyong1, Paisarn Boonsakan2, Supasan Sripodok3
1Department of Computer Engineering, Faculty of Engineering, Mahidol University, Nakhon Pathom, Thailand.
Frontiers in medicine
|February 22, 2024
概括
人工智能系统自动检测和计数整个幻灯片图像 (WSI) 中的中枢细胞 (CB) 以进行淋巴瘤分类. 这种人工智能工具实现了高精度和回忆,提高了诊断效率和病理学工作流程的一致性.
科学领域:
- 数字病理学数字病理学
- 计算病理学计算病理学
- 人工智能在医学中的应用
背景情况:
- 精确的计数中枢细胞 (CB) 在血素和乙素 (H&E) 染色全片图像 (WSI) 中对于淋巴瘤分类至关重要.
- 目前的手工方法耗时,劳动密集,容易引起观察者之间的变化.
研究的目的:
- 开发和评估一个人工智能 (AI) 系统,用于在WSI中自动检测和计数CBs.
- 提高淋巴瘤分级工作流程的效率和一致性.
主要方法:
- 一个对象检测AI模型 (YOLOv5x6) 在1669个CB实例上训练,这些实例来自H&E染色的WSI.
- 数据集被分为80%用于培训和20%用于验证.
- 人工智能系统旨在扫描WSI补丁,并将CB识别为单个对象类.
主要成果:
- 这款YOLOv5x6型号的精度为0.808,召回率为0.776.
- 在0.5的交叉点 (IoU) 上,平均平均精度 (mAP) 为0.800,整体mAP为0.647.
- 人工智能系统证明了其能够在WSI中以高精度和回忆检测CB的能力.
结论:
- 使用人工智能自动检测细胞细胞是可行的,有效的淋巴瘤分级.
- 开发的人工智能系统提供了一个有前途的解决方案,以提高诊断准确度和减少在组织病理学工作负载.
- 这项技术有可能标准化淋巴瘤分类,改善患者护理.
