开发和验证深度学习模型用于肺癌诊断中的组织病理幻灯片分析
Alhassan Ali Ahmed1,2, Muhammad Fawi3, Agnieszka Brychcy4
1Department of Bioinformatics and Computational Biology, Poznan University of Medical Sciences, 61-806 Poznan, Poland.
Cancers
|April 27, 2024
概括
这项研究引入了一种深度学习模型,用于使用全幻灯片图像检测肺癌. 人工智能模型实现了高精度,超过了病理学家,并有助于早期诊断.
科学领域:
- 在瘤学瘤学.
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 肺癌是全球癌症死亡的主要原因之一.
- 延迟诊断和不良预后显著导致肺癌死亡.
- 深度学习 (DL) 通过医学成像提供了早期肺瘤检测和治疗监测的潜力.
研究的目的:
- 开发和评估基于DL的模型,以使用整片图像有效检测肺癌.
- 评估模型的准确性,稳定性和速度,以区分癌症和非癌症肺细胞.
- 将模型的表现与经验丰富的病理学家的表现进行比较.
主要方法:
- 利用一个DL模型,将卷积神经网络 (CNN) 和可分离的CNN与剩余块结合起来.
- 在全幻灯片图像上训练和测试模型,用于肺癌检测.
- 评估模型性能指标,包括准确性和检测时间.
主要成果:
- DL模型在不到10秒的时间内实现了96%至98%的准确性,将癌细胞与非癌细胞区分开来.
- 该模型与病理学家相比表现优越,达到100%的准确率,而病理学家的准确率为79%.
- 在病理学家的准确性和他们多年的经验之间发现了显著的正相关性 (r=0.71,p=0.022).
结论:
- 开发的DL模型显著提高了肺癌检测的准确性和效率.
- 该模型显示了协助初级病理学家培训的潜力.
- 人工智能支持的图像分析可以改善早期肺癌诊断和患者的治疗结果.
