弱监督的多个实例学习模型具有对临床腺癌查的概括能力

科学领域:

• 病理学 病理学 病理学
• 人工智能的人工智能
• 在瘤学瘤学.

背景情况:

• 精确的查腺癌在血清腔输出是转移性瘤的诊断和治疗至关重要的.
• 由于体积和细胞密度,病理学家在查血清腔溢液时面临着挑战.
• 整体幻灯片成像和人工智能有可能提高诊断效率和准确性.

研究的目的:

• 开发和评估一个弱监督的深度学习模型,用于查血清性腺癌在血清腔输出细胞块部分的血清性腺癌.
• 将细胞块技术与先进的人工智能相结合,以提高诊断灵敏度和效率.
• 创建公共整个幻灯片成像数据集,用于腺癌的血清腔液.

主要方法:

• 利用细胞块技术分析大量的血清腔排泄物.
• 开发了一个弱监督的深度学习模型,采用多个实例学习.
• 通过5倍交叉验证进行了比较实验.

主要成果:

• 拟议的模型在缺乏监督的情况下实现了最先进的性能.
• 该模型证明了性能,计算成本和参数效率之间的平衡.
• 人工智能工具提供了对腺癌病理学的定量,可解释的见解,并具有强烈的概括性.

结论:

• 人工智能模型有效地帮助病理学家快速查和诊断血清腔液,减少工作量.
• 该模型显示了广泛临床应用的潜力,包括精准医学.
• 这项研究提供了第一个基于细胞块段的血清腔流与腺癌的全幻灯片成像数据集.