通过使用机器学习对外侧神经活检的自动化全幻灯片形态测量
Daisuke Ono1,2, Honami Kawai1, Hiroya Kuwahara1
1Department of Neurology and Neurological Science, Graduate School of Medical and Dental Sciences, Tokyo Medical and Dental University, Tokyo, Japan.
Neuropathology and applied neurobiology
|March 6, 2024
概括
这项研究引入了人工智能应用程序用于自动化外围神经活检分析,使神经纤维和髓的详细形态测量成为可能. 该软件通过为临床医生和研究人员提供客观数据,有助于理解外围神经病变.
科学领域:
- 神经学 神经学
- 计算病理学计算病理学
- 生物医学成像技术 生物医学成像技术
背景情况:
- 外围神经活检形态测量对于诊断外围神经病变至关重要.
- 手动分析是劳动密集型的,限制了全面评估.
- 需要对整个幻灯片图像 (WSI) 进行自动化分析.
研究的目的:
- 开发一种机器学习应用程序,用于自动化表皮神经活检的形态测量分析.
- 输入整个幻灯片图像 (WSI) 来进行定量分析.
- 促进对外围神经病变的更深入的理解.
主要方法:
- 开发了一个Python库,其中有三个监督学习模型:神经束细分,髓纤维检测和髓罩细分.
- 精细调整的模型使用86个托卢伊丁蓝色染色的幻灯片.
- 用完整的幻灯片图像 (WSIs) 来进行分析.
主要成果:
- 实现了高性能指标:0.861面膜AP用于囊细分,0.711盒AP用于纤维检测,0.817mIoU用于髓细分.
- 在70个WSIs中分析了323,298个神经纤维和782个囊.
- 确定了不同的纤维种群,并在脱髓化和血管炎组中量化了差异.
结论:
- 已经开发了一个开源的应用程序,用于自动化整个幻灯片形态测量状神经活检.
- 该软件对于没有机器学习专业知识的临床医生和病理学家来说是用户友好的.
- 促进数据驱动的分析,以更好地了解神经病变.
