通过细胞水平的注释细化改进,改善肺癌的病理超谱诊断

科学领域:

• 病理学 病理学 病理学
• 医疗成像医学成像
• 计算生物学 计算生物学

背景情况:

• 肺癌的诊断严重依赖于准确的病理学检查.
• 目前的高光谱肺癌数据集遭受粗略的手册注释,阻碍深度学习模型的性能.
• 精确的细胞水平注释对于先进的病理图像分析至关重要.

研究的目的:

• 为了增强肺癌的高光谱病理图像分析.
• 开发一种半自动化方法,在高光谱肺瘤数据集中精制细胞级注释.
• 创建一个高质量的超光谱数据集,以改善病理诊断.

主要方法:

• 雇佣的K-意味着无监督的集群结合人类指导的选择进行注释改进.
• 利用光谱特征用于准确的细胞层面面具生成.
• 在高光谱肺状细胞癌数据集 (65个样本) 上验证了该方法.

主要成果:

• 提高了像素级分段精度,从77.33%提高到92.52%.
• 显著减少了每张幻灯片的注释时间,从30多分钟减少到大约5分钟.
• 细分结果中的预测噪声减少.

结论:

• 半自动注释精细化方法有效地解决了超频谱病理分析中的挑战.
• 该方法提高了为肺癌研究创建高质量的超谱数据集的准确性和效率.
• 改进的注释有助于更好的深度学习模型培训和病理诊断.