AIEgen-deep:用于癌细胞歧视和临床前诊断的单一AIEgen成像模式的深度学习
Haojun Hua1, Yanlin Deng1, Jing Zhang2
1City University of Hong Kong, 83 Tat Chee Avenue, Kowloon, Hong Kong, 999077, China.
Biosensors & bioelectronics
|February 29, 2024
概括
一个新的AI工具,AIEgen-Deep,使用光染料和深度学习来精确识别癌细胞,减少高达90%的手工工作并帮助早期检测.
科学领域:
- 生物医学工程 生物医学工程
- 计算生物学 计算生物学
- 在瘤学瘤学.
背景情况:
- 准确的癌细胞识别对于早期诊断和治疗至关重要.
- 手动注释细胞图像是耗时和劳动密集的.
- 开发用于癌细胞检测的自动化方法是一个重大挑战.
研究的目的:
- 开发和验证一个创新的AI驱动的分类程序,AIEgen-Deep,用于准确的癌细胞识别.
- 在癌细胞分析中显著减少手动注释的努力.
- 评估AIEgen-Deep在区分健康和不同类型癌细胞方面的表现.
主要方法:
- 集聚诱导排放 (AIE) 光染料与深度学习算法的集成.
- 利用分段任何模型 (SAM) 进行增强的图像细分.
- 培训和测试AIEgen-Deep在一个大型数据集上,包括8种细胞类型的26,693张图像.
主要成果:
- 在分类八种不同的细胞类型时,AIEgen-Deep获得了75.9%的准确性.
- 健康细胞与癌细胞的二元分类产生了88.3%的准确率和79.9%的回忆率.
- 在区分特定细胞类型的高精度:纤维细胞 (89.0%),WBC (88.6%),乳腺癌 (83.1%),膀癌 (88.6%) 和中皮癌 (83.1%).
- 减少了80% - 90%的手动注释工作.
结论:
- AIEgen-Deep为癌细胞识别提供了一个高度准确和高效的自动化解决方案.
- 该计划在各种癌症类型中展示了广泛的适用性,表明了广泛临床使用的潜力.
- 预计这一进步将对早期癌症检测和改善患者治疗结果做出重大贡献.
