基于深度学习的预后评估,在肝癌中对多重体巨型癌细胞和线粒体数字进行预后评估
Jingying Yang1, Cuimin Chen2, Qiming He1
1Department of Life and Health, Shenzhen International Graduate School, Tsinghua University, Shenzhen, 518055, China.
Medical & biological engineering & computing
|May 7, 2025
概括
深度学习可以准确地检测癌细胞的特征,如多倍体巨型癌细胞和肝癌中的线粒体数字. 这有助于开发一种实用的预后系统,以更好地治疗患者和预测存活率.
科学领域:
- 在瘤学瘤学.
- 计算病理学计算病理学
- 医疗成像医学成像
背景情况:
- 初级肝癌是高度致命的,与特定细胞结构相关的不良预后.
- 量化这些特征是具有挑战性的,因为有限的病理学家,沉重的工作负载,和主观的评估.
研究的目的:
- 开发基于深度学习的系统,快速检测肝癌细胞水平特征.
- 整合特征检测与生存分析,以实现实际的预后风险评估系统.
主要方法:
- 收集了172例肝癌病例 (340张图像) 来创建HCCP&M数据集.
- 利用CellFDet深度学习框架检测多体巨型癌细胞,线粒体数字和一般细胞.
- 进行生存分析和相关性分析以验证预后意义.
主要成果:
- 细胞FDet获得了高的F1分数:0.814 (多倍体巨型癌细胞),0.819 (线粒细胞) 和0.935 (一般细胞).
- 观察到高风险和低风险群体之间存在显著的生存差异,这些群体以多化巨型癌细胞和线粒体指数分层 (P < 0.0001和P = 0.0025,分别).
- 确定这些特征作为肝癌的独立预后指标.
结论:
- 开发的系统准确地检测肝癌中的关键细胞水平特征.
- 该系统提供可靠的生存预测,提高肝癌患者的预后和治疗计划.
