通过深度学习进行回合成分析,以改善pilomatricoma诊断
Zheng Wang1, Xinyu Tan1, Xue Yang1
1School of Computer Science, Hunan First Normal University, Changsha, 410205, China.
Computers in biology and medicine
|September 19, 2024
概括
人工智能 (AI) 有助于诊断儿童皮肤瘤. 一个新的深度学习模型与突出映射改善了病理学家的准确性和可视化.
科学领域:
- 数字病理学数字病理学
- 计算诊断是指计算机诊断.
- 机器学习在瘤学中
背景情况:
- 皮洛马特里科马 (Pilomatricoma) 是一种良性儿童皮肤瘤,由于表现多样,它会给诊断带来挑战.
- 组织学确认和手术切除是pilomatricoma的标准.
- 人工智能 (AI) 提供了改善病理学诊断准确性的潜力.
研究的目的:
- 开发和评估一个深度学习模型用于pilomatricoma的组织病理学诊断.
- 使用人工智能在全幻灯片图像 (WSI) 中增强病变可视化.
主要方法:
- 训练了一种多尺度转移学习模型,从高分辨率开始,适应更广泛的尺度.
- 用准确度,精度,回忆,F1分数和AUROC来评估模型性能.
- 一种新的复合突出映射技术被用于病变可视化.
主要成果:
- 该模型在全球范围的分类中实现了高的验证准确性 (高达0.973).
- 在所有尺度上识别基类细胞时观察到非常精确的准确性.
- 该模型生成了可解释的突出性地图,增强了诊断支持.
结论:
- 深度学习模型是有效的对pilomatricoma的组织病理学诊断.
- 开发的模型在多个尺度上表现出高性能.
- 复合突出性测绘显著提高了数字病理学的诊断能力.
