高度准确和有效的深度神经网络在前列腺癌的病理诊断中

科学领域:

• 数字病理学数字病理学
• 医学中的人工智能.
• 在瘤学瘤学.

背景情况:

• 前列腺癌的诊断严重依赖于整个山 (WM) 段的组织病理学分析.
• 精确的前列腺癌分级,例如使用ISUP格里森分级组,对于治疗决策至关重要.
• 当前的诊断过程可能会耗时,并且会受到观察者之间的变化.

研究的目的:

• 建立人工智能 (AI) 系统,用于前列腺癌的病理诊断.
• 评估人工智能系统的诊断性能,根据基因病理学整体安装部分对前列腺癌进行分类.
• 评估AI在协助病理学家准确诊断前列腺癌方面的潜力.

主要方法:

• 从机器人辅助腹腔镜前列腺切除样本中准备前列腺全身病理学全身 (WM) 切片.
• 将WM部分转换为数字图像数据,根据ISUP Gleason等级组进行颜色编码.
• 开发和应用一个修改的U-Net细分算法用于图像分析.

主要成果:

• 人工智能系统在癌症诊断方面实现了ROC曲线下的面积为96.8%.
• 对二进制,临床导向和ISUP格里森等级分析的像素精度分别为96.93%,95.43%和93.88%.
• 频率加权的IOU值在90.21%至94.32%之间,表明了强大的细分和分类.

结论:

• 开发的AI系统显示出有很大的潜力,可以帮助病理学家最终诊断前列腺癌.
• 人工智能系统在病理诊断方面取得了高准确度,与人类病理学家相比.
• 这项技术突显了人工智能在彻底改变医疗诊断方面的广泛应用.