在TNS2缺陷脏病中,自动评分淋巴球损伤
Shuji Shimada1, Kyosuke Tanimoto1, Hayato Sasaki1
1Laboratory of Laboratory Animal Science and Medicine, School of Veterinary Medicine, Kitasato University, 35-1, Higashi-23, Towada, Aomori 034-8628 Japan.
Experimental animals
|April 21, 2024
概括
一个人工智能 (AI) 模型在小鼠脏图像中准确地分类了Tensin 2 (TNS2) 缺乏脏病的严重程度. 这种人工智能显示出作为一个可靠的工具,以帮助人类专家评估球损伤的承诺.
科学领域:
- 腎臟病學 (nephrology) 是一種醫學專業.
- 人工智能的人工智能
- 计算病理学计算病理学
背景情况:
- 人工智能 (AI) 在临床球病理学中的应用已经确立.
- 人工智能在非临床研究环境中用于病分析的应用较少被探索.
- 素2 (TNS2) 在功能中起作用,其缺乏可以导致病.
研究的目的:
- 开发和评估一个AI模型来分类TNS2缺陷脏病的严重程度.
- 评估卷积神经网络 (CNN) 在分类球损伤中的准确性.
- 确定人工智能作为病研究中的补充工具的潜力.
主要方法:
- 一个卷积神经网络 (AI算法) 被训练,使用来自TNS2缺乏和野生类型小鼠的803个球图像.
- 图像被手动评分,以发现球损伤.
- 人工智能模型的性能是根据分类准确性和得分预测进行评估的.
主要成果:
- 人工智能模型在预测精确的球损伤得分时达到约70%的准确性.
- 当考虑真实标签一个分数内的预测时,准确性增加到近100%.
- 人工智能预测的平均伤害得分与手动确定的平均得分密切一致.
结论:
- 人工智能模型在评估TNS2缺陷脏病的淋巴细胞损伤严重程度方面表现出高可靠性.
- 人工智能可以作为一个有价值的第二评估者,有可能提高研究环境中的准确性和客观性.
- 这种人工智能工具提供了一种有前途的方法来增强脏学研究中的定量分析.
