使用病理图像和人工智能模型,在不同温度条件下估计死后间隔的新方法
Xinggong Liang1, Mingyan Deng1, Zhengyang Zhu1
1Department of Forensic Pathology, College of Forensic Medicine, Xi'an Jiaotong University, Xi'an, Shaanxi, 710061, People's Republic of China.
International journal of legal medicine
|February 28, 2025
概括
这项研究引入了一个新的人工智能 (AI) 模型,使用组织图像来估计死后间隔 (PMI). 人工智能模型在各种温度下预测PMI时显示出高准确度,改善了法医调查.
科学领域:
- 法医科学 法医科学 法医科学
- 计算病理学计算病理学
- 人工智能的人工智能
背景情况:
- 准确的死后间隔 (PMI) 估计在法医调查中至关重要.
- 传统的PMI方法面临的挑战是由于环境的变化和主观性.
- 需要更客观,更可靠的PMI估计技术.
研究的目的:
- 开发和验证一种新的PMI估计预测模型,使用病理组织图像和人工智能.
- 评估模型在不同的温度条件下 (4°C,25°C,37°C) 的性能.
主要方法:
- 使用ResNet50神经网络分析贴片级组织图像.
- 提取了深度学习功能,并将其与机器学习集成为整个幻灯片图像 (WSI) 分类.
- 在受控温度条件下在数据集上训练和测试模型.
主要成果:
- 人工智能模型实现了高性能,微观和宏观AUC值至少在补丁级别为0.949,在WSI级别为0.800.
- 外部验证表明补丁级AUC值超过0.960.
- 该模型在不同的温度条件下表现出强的性能.
结论:
- 利用人工智能对病态组织图像的分析为准确和高效的PMI估计提供了有前途的方法.
- 这种新型模型有可能显著增强法医调查.
- 人工智能的进一步进步可以导致更精确的法医案件解决方案.
更多相关视频
06:08Quantitative Visualization and Detection of Skin Cancer Using Dynamic Thermal Imaging
Published on: May 5, 2011
16.7K
09:21Human Brown Adipose Tissue Depots Automatically Segmented by Positron Emission Tomography/Computed Tomography and Registered Magnetic Resonance Images
Published on: February 18, 2015
12.1K
