在培训图像集的开发过程中,观察者间对所选卵的解释的可变性
Rupert Stephen Charles S Chua1, Kiersten A Henderson2, Lorenzo Maria C de Guzman1
1Neglected Tropical Diseases Study Group, National Institutes of Health, University of the Philippines Manila, Manila, Philippines.
International health
|January 9, 2025
概括
参考显微镜学家在识别Kato-Katz片中的寄生虫卵子方面表现出很高的一致性 (99%),这对于开发可靠的人工智能诊断工具对于土壤传播的虫病和虫病监测至关重要.
科学领域:
- 医学寄生虫学 医学寄生虫学
- 计算病理学计算病理学
- 公共卫生诊断 公共卫生诊断
背景情况:
- 对卡托-卡茨片的显微镜检查是诊断土壤传播的虫病和虫病的标准.
- 开发人工智能 (AI) 平台需要准确标记的图像数据集.
- 在卵子识别中观察者间的变化可能会影响诊断准确性.
研究的目的:
- 评估专家显微镜师在识别寄生虫卵中的共识.
- 为人工智能培训量化卵子标签的观察者间变异性.
主要方法:
- 两个参考显微镜学家标记了来自Kato-Katz幻灯片的寄生虫卵图像.
- 第三个显微镜师解决了分歧.
- 使用频率,百分比协议和kappa统计数据来衡量协议.
主要成果:
- 在最初的两个显微镜师之间观察到高度一致 (89.24%, κ=0.86).
- 第三个显微镜师解决了大多数分歧,在99.0%的案例中达成了总体共识.
- 标注schistosoma japonicum显示了最高的可变性得分.
结论:
- 专家标记的数据集显示了人工智能培训的高可靠性.
- 在这些数据上训练的AI可以提供更客观和更一致的寄生虫卵检测.
- 这种方法支持对被忽视的热带疾病开发先进的诊断工具.
