基于涂抹图像的多重血清腔输液查,使用视觉转换器进行查.
Chunbao Wang1,2, Xiangyu Wang2, Zeyu Gao3
1Department of Pathology, The First Affiliated Hospital of Xi'an Jiaotong University, Xi'an, 710061, China.
Scientific reports
|March 29, 2024
概括
一种新的视力变压器 (ViT) 模型可以准确地检测血清腔排泄中的恶性细胞. 这种深度学习方法显著提高了细胞学家的诊断准确性和效率.
科学领域:
- 病理学 病理学 病理学
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 血清腔溢出诊断依赖于细胞学涂抹检查,这是一个方便但有限的方法.
- 传统方法在检测恶性细胞的效率和准确性方面面临挑战.
研究的目的:
- 开发一种改进的方法,用于精确检测血清腔排泄中的恶性细胞.
- 引入基于变压器的分类框架,使用视觉变压器 (ViT) 模型.
主要方法:
- 收集了161名患者的涂抹图像和细胞学报告.
- 有注释的4836个图像补丁,用于创建涂抹图像分类的数据集.
- 开发并验证了一种视觉变压器 (ViT) 模型,并将其与卷积神经网络 (CNN) 进行比较.
主要成果:
- 在补丁分类方面,ViT型号获得了0.99的AUROC,超过了CNN (AUROC 0.86).
- 外部验证显示,ViT模型保持了高性能,患者水平的AUROC为0.98 (CNN:0.84).
- 模型可视化证实了恶性细胞区域的精确识别.
结论:
- 深度学习,特别是ViT模型,可以自动选血清腔液.
- ViT模型提高了细胞学家的诊断准确性和效率.
- ViT的自我注意力机制非常适合分析液中的小,稀疏的细胞目标.
更多相关视频
10:25Author Spotlight: Integrating High-Resolution Intravital Imaging and MRI to Enhance Stereotactic Body Radiation Therapy Planning
Published on: April 12, 2024
1.4K
07:45Assessing Binocular Central Visual Field and Binocular Eye Movements in a Dichoptic Viewing Condition
Published on: July 21, 2020
4.4K
