自动分级系统用于量化皮肤植物病中的KOH显微图像
Rajitha Kv1, Sreejith Govindan2, Prakash Py3
1Dept.of Biomedical Engg, Manipal Institute of Technology, Manipal Academy of Higher Education, Manipal, 576104, Karnataka, India.
Diagnostic microbiology and infectious disease
|November 3, 2024
概括
这项研究引入了一种自动化系统,用于量化皮肤片中的真菌负荷,用于皮肤植物病诊断. 人工智能模型准确地对真菌感染进行分级,有助于预后和治疗监测.
科学领域:
- 医学真菌学 医学真菌学
- 计算病理学计算病理学
- 图像分析 图像分析
背景情况:
- 准确量化皮肤植物病的真菌负荷对于预后至关重要.
- 目前用于评估真菌负荷的方法可能是主观的和耗时的.
- 需要客观和高效的工具来根据显微镜图像对真菌感染进行分类.
研究的目的:
- 开发和验证一种自动分级系统,用于在KOH显微镜图像中量化真菌负载.
- 建立基于像素数的方法来分类皮肤植物病的严重程度.
- 在临床实践中提高真菌负荷评估的客观性和效率.
主要方法:
- 用U-Net深度学习模型对KOH图像中的真菌丝进行了细分,以确定像素数量.
- 专家皮肤科医生在没有确定的门的情况下手动分级图像.
- 采用累积接收器操作特征 (ROC) 曲线分析来开发基于像素计数和专家评分的自动分级系统.
主要成果:
- 自动化系统实现了高性能指标:特异性>92%,精度>86%,精度>82%,灵敏度>76%.
- 在自动评分系统和人工专家评分之间观察到"几乎完美的一致" (Fleiss kappa = 0.847).
- 开发的系统提供了可靠的基于像素数量的菌负载在皮肤植物病的量化.
结论:
- 开发的自动分级系统提供了一种新,具有成本效益和客观的方法,用于量化KOH图像中的真菌负载.
- 这项技术有可能在皮肤植物病的诊断,预后和管理方面发挥重要作用.
- 基于微观图像的基于像素数的分析是临床环境中自动疾病分级的有希望的方法.
