帕帕尼科劳染色细胞的自动细分和分类以及用于检测口腔癌的数据集

科学领域:

• 生物医学图像分析
• 计算病理学计算病理学
• 癌症诊断 癌症诊断 癌症诊断

背景情况:

• 乳房膜染色是一种低成本的检测子宫癌的方法.
• 口腔癌导致显著的死亡率,需要改进早期检测策略.
• 口腔细胞中的核异型可能表明恶性瘤,可通过帕帕尼科劳染色检测.

研究的目的:

• 开发一种自动化系统,用于分段和分类口腔细胞,使用帕帕尼科劳染色.
• 评估Papanicolaou染色对早期口腔癌检测的潜力.
• 创建一个强大的AI模型,用于分析口腔细胞学中的形态特征.

主要方法:

• 一个卷积神经网络 (CNN) 已开发用于细胞细分和分类.
• 美国有线电视新闻网 (CNN) 接受了来自52名患者的1,563张Papanicolaou染色口腔粘膜图像的多样化数据集的培训.
• 模型性能与人类专家以及公开的宫细胞数据集进行了验证.

主要成果:

• 在分类口腔癌细胞方面,CNN取得了专家级别的表现,具有高的类间相关系数 (ICC) 值.
• 该模型表现出强度,在宫细胞数据集上表现良好,尽管在口腔细胞上进行了训练.
• 创建了一个多样化和公开可用的数据集,用于口腔粘膜Papanicolaou染色图像.

结论:

• 开发的人工智能系统可以探索帕帕尼科劳染色,以经济高效地早期检测口腔癌.
• 训练的模型,代码和数据集是公开可用的,以支持研究和临床实践.
• 这项技术可以帮助在口腔粘膜图像中识别可疑的细胞和,以便及时诊断.