基于散射的光片显微镜图像的自动分析,对内皮状内皮病变的图像进行自动分析

科学领域:

• 生物医学成像技术 生物医学成像技术
• 计算病理学计算病理学
• 数字健康数字健康

背景情况:

• 部状内皮病变 (ASIL) 需要准确的诊断.
• 当前的诊断方法可能是主观的,耗时的.
• 图像和人工智能的进步为客观分析提供了潜力.

研究的目的:

• 开发和验证一种用于分析基于散射的光板显微镜 (sLSM) 图像的自动化算法.
• 从ASIL图像中细分核并提取定量特征.
• 建立一个分类器来诊断高度状内皮病变 (HSIL).

主要方法:

• 开发了一个用于sLSM图像分析的自动化算法.
• 实现了自动化的核细分和特征提取 (核强度,深度依赖的强度斜率,核对核距离,核对细胞质比率,细胞密度,核面积,核比例).
• 使用了来自80个部活检的187张图像和线性支向量机 (SVM) 分类器的数据集.

主要成果:

• 与手动细分相比,自动细分实现了高精度 (0.97) 和回忆 (0.91).
• 提取的七个特征中有六个显示HSIL和非HSIL之间存在显著差异.
• SVM分类器表现出高的诊断性能:每张图像的AUC为0.89和每次活检的AUC为0.92.

结论:

• 自动化的sLSM图像分析算法提供可靠的核细分和特征提取.
• 定量图像特征可以有效地区分HSIL和非HSIL.
• 开发的分类器显示了在内活检中客观和准确的HSIL诊断的希望.