从肺组织预测结核病 图像的多样性 异种小鼠 使用跳跃知识 基于细胞图 神经网络
Vasundhara Acharya1, Diana Choi2, BüLENT Yener1
1Rensselaer Polytechnic Institute, Troy, NY 12180, USA.
IEEE access : practical innovations, open solutions
|March 22, 2024
概括
这项研究引入了一种新的基于图形的深度学习方法,用于使用整个幻灯片图像进行结核病诊断. 该方法准确地识别了结核菌和巨菌的相互作用,提高了诊断准确性和临床适用性.
科学领域:
- 计算病理学计算病理学
- 医疗成像中的人工智能
- 图形神经网络用于疾病检测检测.
背景情况:
- 结核病 (TB) 诊断依赖于在染色组织样本中检测酸敏菌根 (AFB).
- 整体幻灯片成像 (WSI) 能够对病理幻灯片进行数字分析.
- 目前对WSIs的深度学习方法经常使用补丁分析,可能错过了像颗粒瘤这样的关键空间模式.
研究的目的:
- 在WSIs上使用细胞图形建模开发一种用于TB分类的新型深度学习方法.
- 为了捕捉复杂的细胞相互作用和组织微型架构,超越了贴片分析.
- 通过整合细胞形态和基于图形的特征来提高诊断准确度.
主要方法:
- 一个卷积神经网络 (CNN) 被训练来细分AFB和巨细胞核.
- 肺组织学图像被转换成细胞图,节点代表细胞,边缘代表相互作用.
- 开发了一个基于细胞图的跳跃知识神经网络 (CG-JKNN),使用生物知情值来确定边缘.
- 综合梯度和SHAP被用于模型的可解释性.
主要成果:
- 该CG-JKNN模型获得了F1得分0.9549和AUPRC的0.9846.
- 极端梯度提升 (XGBoost) 具有结合的功能表现最好 (F1: 0.9813,AUPRC: 0.9848).
- 识别的显著特征与病理学家的标准一致,表明临床相关性.
结论:
- 提出的基于细胞图的方法有效地模拟了从WSIs的结核病诊断的细胞相互作用.
- 整合图形和形态特征可以提高分类准确性.
- 该方法显示出显著的临床适用性和未来结核病诊断进步的潜力.
关键词:
酸敏细菌是一种酸性细菌.细胞图表的图表卷积神经网络是一种卷积神经网络.这种状况是什么? granuloma granuloma.跳跃知识神经网络的神经网络肺结核 - 肺结核整个幻灯片图像 整体幻灯片图像
