在IHC整片图像中通过异常染色模式使用自编码器和有限注释来诊断Helicobacter pylori
Pau Cano1,2, Eva Musulen3,4, Debora Gil5,6
1Comp. Sci. Dep, Universitat Autònoma de Barcelona, Campus UAB, Cerdanyola del Vallès, 08193, Catalunya, Spain. pcano@cvc.uab.cat.
International journal of computer assisted radiology and surgery
|January 8, 2025
概括
这项研究引入了一种自编码方法,用于在组织学图像中检测Helicobacter pylori,在有限的注释中实现高精度. 该方法通过在染色样本中有效识别H. pylori来支持病理学家.
科学领域:
- 医疗图像分析 医学图像分析
- 计算病理学计算病理学
- 传染病诊断 传染病诊断 传染病诊断
背景情况:
- 用于检测H. pylori的组织学图像分析是耗时的,需要专家病理学家.
- 在开发自动诊断工具时,有限的注释数据是常见的挑战.
研究的目的:
- 开发一种自动化的方法来检测Helicobacter pylori (H. pylori) 在组织学图像中使用有限的注释.
- 为病理学家创建一个支持工具,以帮助识别H. pylori.
主要方法:
- 利用自动编码器来学习健康组织贴片中的模式.
- 在HSV空间开发了一种重建错误测量方法,以识别H. pylori的存在.
- 采用ROC分析来优化检测值和分类样本.
主要成果:
- 在245张全幻灯片图像和1211个注释补丁 (163个阳性) 上进行了测试.
- 通过十倍交叉验证,在H. pylori诊断中获得了91%的准确性,86%的灵敏性,96%的特异性和0.97的AUC.
- 与基线值和SVM方法相比,证明了更高的性能.
结论:
- 浅层自编码器方法与值适应有效地检测出异常染色迹象的H. pylori.
- 尽管注释数据有限,但取得了具有竞争力的结果,超过了分类方法.
- 开发的方法可以作为一个有价值的指南,用于快速注释受感染的补丁.
