一种基于深度学习的辅助分析方法,用于Sjogren综合征病理图像
Peihe Jiang1, Yi Li1, Chunni Wang2,3,4
1School of Physics and Electronic Information, Yantai University, Yantai, 264005, China.
Scientific reports
|October 21, 2024
概括
这项研究引入了使用YOLOv8的深度学习系统,通过检测病理图像中的淋巴透来改善Sjogren综合征的诊断. 改进后的模型显著提高了诊断准确性和有效性,在识别关键的病理特征.
科学领域:
- 病理学 病理学 病理学
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 诊断Sjogren综合征具有挑战性,需要在唇部腺活检中仔细识别淋巴透.
- 目前的诊断方法对医生来说是耗时和劳动密集的.
研究的目的:
- 开发一个人工智能辅助诊断系统用于Sjogren综合征.
- 通过深度学习提高病理学诊断准确性和效率.
主要方法:
- 利用YOLOv8物体检测网络进行病变识别.
- 设计了一个多维的注意模块,以改善特征提取和学习.
- 开发了S-MPDIoU损失函数,以提高检测性能和模型融合.
主要成果:
- 改进后的模型显示召回率增加了9.1%.
- 实现了mAP.5的3.2%增长和mAP.95.5%的2%增长.
- 该系统精确地识别和标记了病理学图像中的可疑病变.
结论:
- 深度学习对分析病理图像具有重大潜力.
- 开发的系统为AI在医学诊断中的应用提供了一个有前途的框架.
- 这种方法可以简化Sjogren综合征的诊断过程.
更多相关视频
07:25Author Spotlight: A Focus on Standardized Salivary Gland Ultrasound Protocol in Connective Tissue Disease Research
Published on: October 13, 2023
2.0K
10:21Author Spotlight: Exploring the Role of Inflammation in the Co-occurrence of Primary Sjogren's Syndrome and Lung Adenocarcinoma
Published on: September 20, 2024
390
