基于深度学习的开源工具包,用于在儿科中检测埃索诺菲尔食炎
Juming Xiong1, Yilin Liu2, Ruining Deng2
1Department of Electrical and Computer Engineering, Vanderbilt University, Nashville, TN, USA.
概括
一个开源工具包,Open-EoE,可以自动检测食道组织图像中的氨酸,用于诊断氨酸性食道炎 (EoE). 这种人工智能工具达到91%的准确性,帮助病理学家更快,更可靠的诊断.
科学领域:
- 医疗成像医学成像
- 计算病理学计算病理学
- 免疫学 免疫学 免疫学
背景情况:
- 性食道炎 (EoE) 是一种慢性免疫介导的食道疾病.
- 在整个幻灯片图像 (WSIs) 中对乙酸原主导炎症的手动组织学分析是劳动密集型的,容易产生不准确性.
- 准确检测埃索诺菲尔细胞对于EoE诊断至关重要.
研究的目的:
- 开发一个开源的,自动化的工具包,用于WSIs中检测eosinophil,用于EoE诊断.
- 利用深度学习和整体策略来提高检测准确性和可靠性.
- 为高效的分析提供一个用户友好的,命令行工具.
主要方法:
- 开发Open-EoE,一个使用Docker进行端到端WSI分析的开源工具包.
- 实施了三种最先进的深度学习对象检测模型.
- 应用集体学习策略以优化模型性能和可靠性.
主要成果:
- 开放EoE工具包在289个WSI的测试组中有效检测出乙氨基酸 (Eos).
- 在每高功率场 (HPF) ≥15 Eos的诊断值时,在检测乙氨基基基时获得了91%的准确性.
- 与病理学家评估相比,表现一致.
结论:
- 开放EoE提供了一个有前途的,自动化的方法,用于EOE诊断中检测乙氨基酸.
- 机器学习集成可以显著提高 EoE 诊断的效率和准确性.
- 开源工具包促进了对EoE的计算病理学的更广泛采用和进一步研究.


