通过使用全幻灯片图像的深度学习模型诊断清晰细胞细胞癌
Weixing Jiang1,2, Siyu Qi1,2, Cancan Chen3
1Department of Urology, Beijing Friendship Hospital, Capital Medical University, Beijing, China.
Therapeutic advances in urology
|May 5, 2025
概括
这项研究证明了使用全幻灯片图像的深度学习来诊断清细胞细胞癌 (ccRCC) 的可行性. 开发的人工智能模型实现了高精度,潜在地提高了ccRCC的诊断效率.
科学领域:
- 数字病理学数字病理学
- 人工智能在医学中的应用
- 在瘤学瘤学.
背景情况:
- 清细胞细胞癌 (ccRCC) 的传统病理诊断面临着观察者间的变异性和时间限制的挑战.
- 全幻灯片图像 (WSIs) 为病理分析提供了一个数字替代方案.
研究的目的:
- 探索使用WSIs开发用于ccRCC诊断的深度学习模型的可行性.
- 评估基于人工智能的ccRCC诊断方法的准确性和效率.
主要方法:
- 从95名ccRCC患者中回顾性收集WSI.
- 标注和预处理WSIs以提取感兴趣的区域.
- 在训练集上使用卷积神经网络 (CNN) 和随机森林 (3:1瘤与正常比) 训练一个深度学习模型.
- 使用测试集,接收器操作特征 (ROC) 曲线和关键性能指标评估模型性能.
主要成果:
- 深度学习模型的总准确率为94.6%,精度为97.6%,回忆率为95.6%.
- 在ROC曲线下的面积 (AUC) 达到0.9658,表明高诊断性能.
- 该模型生成的概率热图显示与手册注释一致.
结论:
- 深度学习方法可用于使用WSIs进行ccRCC诊断.
- 已建立的AI模型显示出高精度和提高ccRCC诊断效率的潜力.
- 人工智能驱动的诊断工具可以提高病理评估的准确性和速度.
