基于人工智能的乳腺Ki67的定量免疫组织化学分析
Wenhui Wang1, Yitang Gong1, Bingxian Chen2
1Department of Pathology, Hangzhou Women's Hospital, Hangzhou, 310008, Zhejiang, China.
Open life sciences
|January 23, 2025
概括
本研究引入了一种深度学习方法,用于乳腺癌病理学的定量Ki67分析. 人工智能系统准确量化了阳性细胞,提高了诊断效率和一致性.
科学领域:
- 在瘤学瘤学.
- 病理学 病理学 病理学
- 人工智能的人工智能
背景情况:
- 乳腺癌是女性普遍存在的恶性瘤.
- Ki67是细胞增殖和恶性瘤评估的关键生物标志物.
- 手动Ki67评估是主观的,耗时的,劳动密集的.
研究的目的:
- 开发和验证基于深度学习的对Ki67在乳腺癌病理学中的定量分析管道.
- 克服手动评估在准确性和效率方面的局限性.
主要方法:
- 采用深度学习方法来分析Ki67的病理图像.
- 该管道涉及瘤区域识别,核检测和Ki67阳性/阴性分类.
- 量化分析计算出了阳性细胞的比例.
主要成果:
- 该系统实现了高性能指标:瘤细分的子系数为0.848,核检测的平均精度为0.817,核分类的准确性为96.66%.
- 临床验证表明,诊断效率和高一致性提高了十倍以上 (组内相关系数:0.964).
结论:
- 开发的深度学习系统为乳腺癌的Ki67定量分析提供了准确有效的方法.
- 这种方法对改善乳腺癌诊断和一致性具有显著的临床价值.
