通过机器学习辅助的ex vivo共聚焦激光扫描显微镜检测基底细胞癌
Pinar Avci1, Marie C Düsedau1, Víctor Padrón-Laso2
1Department of Dermatology and Allergy, University Hospital, LMU Munich, Munich, Germany.
International journal of dermatology
|December 4, 2024
概括
一个新的机器学习算法可以在ex vivo同焦激光扫描显微镜 (EVCM) 图像中检测基底细胞癌 (BCC),帮助诊断. 这种人工智能工具显示出高精度,可能减少医疗专业人员的培训时间.
科学领域:
- 皮肤病理学 皮肤病理学
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 活体共聚焦激光扫描显微镜 (EVCM) 提供近乎实时的组织学,但需要专门的特征识别培训.
- 临床采用EVCM受到解释模式特定诊断特征所需的专业知识的限制.
研究的目的:
- 开发一种机器学习算法,用于在EVCM图像中检测基底细胞癌 (BCC).
- 为了协助检查人员在EVCM获得的图像的诊断决策过程中.
主要方法:
- 一个卷积神经网络 (MobileNet-V1) 使用50张组织学证实BCC的EVCM图像进行训练.
- 使用十倍交叉验证来评估模型的性能.
- 该模型的有效性在19个新的EVCM图像上进一步得到验证.
主要成果:
- 该模型在EVCM图像中检测BCC的总体灵敏度为0.88和特异性为0.85.
- 接收机操作员特征和精度回忆曲线的曲线下的面积 (AUC) 分别为0.94和0.87.
- 独立验证表明BCC的灵敏度为0.83,特异性为0.92,对于无瘤区域的特异性为0.98.
结论:
- 开发的深度学习模型可以通过突出显示EVCM图像中的瘤阳性区域来帮助诊断决策.
- 这种人工智能工具有可能显著减少解释EVCM图像的学习曲线.
- 该模型在使用EVCM帮助诊断基底细胞癌时表现出有希望的性能.


