一种深度学习方法,用于在数字病理图像上预测宫淋巴结转移性癌症的起源
Runliang Zheng1, Xuenian Wang1, Lianghui Zhu1
1Shenzhen International Graduate School, Tsinghua University, Shenzhen, Guangdong, China.
iScience
|September 10, 2024
概括
一个新的深度学习框架从H&E幻灯片中准确预测宫淋巴结状态,帮助进行转移性癌症和淋巴瘤的术前诊断. 这种人工智能工具可以改善患者的治疗计划.
科学领域:
- 在瘤学瘤学.
- 病理学 病理学 病理学
- 人工智能在医学中的应用
背景情况:
- 宫淋巴结中的转移性癌症由于其复杂的形态而带来诊断挑战.
- 精确确定淋巴结起源对于有效的癌症治疗计划至关重要.
研究的目的:
- 开发和验证用于预测宫淋巴结状态的深度学习框架.
- 在宫淋巴腺病 (CLA) 中区分转移性癌症和原发性淋巴瘤.
主要方法:
- 利用了 1,036 个用血素和素 (H&E) 染色的宫淋巴结活检标本的回顾性数据集.
- 应用了多实例学习算法来识别关键区域,并进行了交叉验证.
- 在独立的外部数据集上验证了模型的性能.
主要成果:
- 深度学习模型实现了对淋巴结状况的高预测准确性.
- 该算法成功地区分了原发性淋巴瘤和转移性癌症.
- 该模型在内部和外部数据集上表现出优越的概括能力,与其他模型相比.
结论:
- 开发的深度学习框架为评估宫淋巴结状态提供了一种可靠的方法.
- 这种人工智能方法显著帮助医生在手术前诊断和宫淋巴腺病的治疗计划.
- 该工具通过提高诊断准确度,有可能改善患者的治疗结果.
