两种人工智能模型之间的比较,以基于肝细胞癌的共聚焦光成像来区分癌细胞核
Maurizio Troiano1, Flavia Grignaffini2, Cristiano De Stefanis3
1Research Unit of Genetics of Complex Phenotypes, Bambino Gesù Children's Hospital, IRCCS, Rome, Italy.
概括
人工智能 (AI) 算法可以识别肝细胞癌 (HCC) 肝癌细胞. 深度学习模型在自动检测肝脏组织中的这些瘤细胞方面表现有前途.
科学领域:
- 数字病理学数字病理学
- 人工智能在瘤学中的应用
- 肝细胞癌研究 肝细胞癌研究
背景情况:
- 肝细胞癌 (HCC) 显示出显著的内异质性,使诊断和预后复杂化.
- 数字显微镜和人工智能为增强肝癌细胞识别提供了潜力.
研究的目的:
- 开发和比较两个人工智能算法,用于自动区分HCC中的瘤与非瘤核.
- 评估机器学习 (ML) 和深度学习 (DL) 方法在HCC细胞识别中的有效性.
主要方法:
- 染色肝脏组织阵列的共聚焦显微镜成像 (HCC和健康样本).
- 用抗增殖细胞核抗原和DRAQ5染料进行染色.
- 使用细分核和提取的特征或原始图像数据开发ML (模型1) 和DL (模型2) 算法.
主要成果:
- 两个人工智能模型,模型1 (ML) 和模型2 (DL),被开发用于核细分和分类.
- 深度学习 (模型2) 超过了机器学习 (模型1),在区分瘤与健康细胞核方面达到88%的准确性.
- 模型2使用了没有额外提取特征的细分图像,展示了DL在原始数据上的力量.
结论:
- 人工智能技术与核光染色相结合,是自动检测HCC细胞的有效工具.
- 这种方法有可能改善肝癌组织的诊断和分析.
