利用深度学习来识别和细分口腔状细胞癌组织样本中的"CAF-1/p60阳性"核
Silvia Varricchio1, Gennaro Ilardi1, Daniela Russo1
1Department of Advanced Biomedical Sciences, Pathology Unit, University of Naples "Federico II", via S.Pansini, 5, Naples 80131, Italy.
Journal of pathology informatics
|December 19, 2024
概括
我们开发了一种深度学习方法,以识别具有特定蛋白质表达的口腔状细胞癌 (OSCC) 核. 这种方法使用标准的H&E染料准确地细分细胞核,有助于癌症诊断.
科学领域:
- 生物医学图像分析
- 计算病理学计算病理学
- 口腔癌的研究研究.
背景情况:
- 口腔状细胞癌 (OSCC) 的诊断依赖于准确的核鉴定.
- 从标准的H&E染料中预测CAF-1/p60等蛋白质表达具有挑战性.
- 核的自动细分对于定量病理评估至关重要.
研究的目的:
- 开发和验证深度学习模型,用于识别和细分OSCC核心.
- 使用H&E图像预测OSCC核中的CAF-1/p60蛋白表达.
- 为了利用多式联络信息进行增强的自动化病理分析.
主要方法:
- 使用StarDist深度学习架构进行核细分.
- 在H&E染色组织部分上训练模型,使用基于IHC的p60蛋白质的基本真相.
- 开发了一种算法,可以从H&E形态和色度特征中预测CAF-1/p60 IHC表达.
主要成果:
- 基于StarDist的模型在定位和细分H&E核中实现了高精度.
- 该算法成功预测了基于H&E特征的OSCC核中的CAF-1/p60 IHC表达.
- 证明了多式联络深度学习对OSCC核分析的有效性.
结论:
- 一种新的深度学习方法可以自动识别和细分具有特定蛋白质表达的OSCC核.
- 该方法使用标准H&E染色准确预测CAF-1/p60蛋白质表达.
- 这种方法可以加快病理评估,并深入了解口腔癌的进展.
