自发性流产的计算机辅助诊断:对子宫产生的产物的一个组织病理学数据集和基准
Tahir Mahmood1, Zeeshan Ullah2, Atif Latif3
1Division of Electronics and Electrical Engineering, Dongguk University, Seoul 04620, Republic of Korea.
Diagnostics (Basel, Switzerland)
|January 8, 2025
概括
本研究介绍了HistoPoC,这是一个用于流产研究的新数据集. 人工智能模型在分析流产组织方面表现有前途,可能会比手工方法提高诊断准确度.
科学领域:
- 生殖医学 生殖医学
- 病理学 病理学 病理学
- 人工智能在医学中的应用
背景情况:
- 自发性流产 (流产) 诊断依赖于主观基因病理学.
- 人工智能 (AI) 提供了客观和准确组织分析的潜力.
- 现有的流产表型化方法需要提高准确性和可靠性.
研究的目的:
- 研究人工智能技术,以检测自发流产后受孕产品 (POC) 的组织表型.
- 评估人工智能方法的准确性和可靠性,与传统的组织病理学相比.
- 为人工智能驱动的流产研究引入一种新的,公开可用的数据集.
主要方法:
- 开发HistoPoC数据集,包括5666张自发堕胎的POC注释图像.
- 使用10倍放大数字显微镜获取图像.
- 使用多个深度学习模型验证数据集.
主要成果:
- 当使用深度学习模型进行验证时,HistoPoC数据集被证明是有效的.
- 证明了AI在人工智能流产诊断系统中的适用性.
- 人工智能技术显示出准确可靠的组织表型化潜力.
结论:
- HistoPoC数据集可以帮助理解自发流产的原因,并开发新的治疗方法.
- 这项工作推动了组织表型化和深度学习在医学诊断中的应用.
- 人工智能驱动的组织病理学可以提高流产诊断的准确性.
更多相关视频
05:16Multiplexed Fluorescent Immunohistochemical Staining of Four Endometrial Immune Cell Types in Recurrent Miscarriage
Published on: August 4, 2021
3.3K
07:46Author Spotlight: Advancing Reproductive Immunology with a Protocol for the Quantitative Evaluation of Endometrial Immune Cells
Published on: October 13, 2023
1.2K
