深度学习对染色染料RNA范围的细分从乳腺癌组织

科学领域:

• 计算病理学计算病理学
• 生物医学成像分析分析
• 机器学习在瘤学中

背景情况:

• RNAscope染色揭示了乳腺癌组织中的基因表达,有助于诊断.
• 手动分析RNAscope染色幻灯片是耗时的,缺乏自动化解决方案.
• 准确量化RNAscope点对于解释基因表达模式至关重要.

研究的目的:

• 开发和优化一种新的深度学习方法,用于乳腺癌组织中RNAscope点的自动细分.
• 为了创建一个高性能和准确的解决方案,用于分析染色体RNAscope染色.
• 提高基因表达分析在乳腺癌病理学的效率和可靠性.

主要方法:

• 开发一个具有ConvNeXt骨干的卷积深度学习网络.
• 在升级层中实施定制,规范化的块,以防止过度装配.
• 培训和优化网络使用乳腺癌组织样本与RNAscope染色.

主要成果:

• 深度学习网络实现了RNAscope点的准确细分,这意味着基因表达.
• 该模型在有限的培训数据和适度的网络大小下表现良好.
• 自动化方法的表现优于人工专家的注释,F1得分为0.745 (相比之下,0.596为评级者之间的可靠性).

结论:

• 这种新的深度学习方法为分析染色体RNA范围染色提供了准确和高效的自动化解决方案.
• 这种方法有可能提高乳腺癌的诊断和治疗计划.
• 使用深度学习对RNAscope点的自动分析提供了比人工专家解释更高的性能.