基于深度学习的单图像超高分辨率扫描系统的可行性研究,用于口腔上皮质失生症的病理诊断

科学领域:

• 数字病理学数字病理学
• 医学中的人工智能
• 口腔瘤学 在口腔瘤学.

背景情况:

• 病理幻灯片的数字扫描对于准确的诊断和AI集成至关重要.
• 现有的数字扫描仪面临着速度,数据处理和图像质量的局限性,用于复杂的诊断,如口腔上皮质发育不良 (OED).
• 超分辨率技术与深度学习相结合,有望克服这些局限性.

研究的目的:

• 评估基于深度学习的超高分辨率扫描仪的可行性,用于数字诊断口腔上皮质松 (OED).
• 为了比较新型超高分辨率扫描仪 (DS30R) 与传统扫描仪 (尼康) 和光学显微镜的性能.
• 评估人工智能增强的OED数字幻灯片的诊断一致性和准确性.

主要方法:

• 开发了一个深度学习模型,并在40个口腔上皮质组织病理幻灯片上进行训练.
• 用DS30R和尼康扫描仪扫描了200张OED幻灯片,用于参数比较.
• 病理学家评估了不同成像系统的幻灯片灵敏度,特异性和诊断一致性,使用光学显微镜作为黄金标准.

主要成果:

• 与尼康扫描仪 (15分钟/幻灯片,0.5GB/幻灯片) 相比,DS30R扫描仪显示扫描速度明显更快 (0.25分钟/幻灯片) 和存储要求更低 (0.35GB/幻灯片).
• 深度学习系统提高了图像清晰度,两台扫描仪都显示出高灵敏度和OED特征的特异性;DS30R在识别细胞细节方面表现出色.
• 在数字系统和光学显微镜之间观察到异常一致的整片诊断 (kappa值> 0.969).

结论:

• 基于深度学习的超高分辨率显微镜成像系统对于OED病理诊断是可行的和有效的.
• 该技术通过提供更快的速度,更少的数据量和更好的图像质量来改进现有的数字扫描仪.
• 该系统为人工智能驱动的口腔潜在恶性疾病的准确诊断提供了坚实的基础.