人工智能系统用于诊断粘膜相关的淋巴组织淋巴瘤和扩散的大B细胞淋巴瘤,使用ImageNet和用血素和素染色的标本

科学领域:

• 病理学 病理学 病理学
• 人工智能的人工智能
• 计算生物学 计算生物学

背景情况:

• 使用全幻灯片图像 (WSI) 的AI辅助病理诊断是有希望的,但面临的挑战是成本和数据存储.
• 目前的方法需要大量的资源,限制了广泛的临床实施.

研究的目的:

• 为病理诊断开发一个紧而实用的AI分类模型.
• 用病理学家从代表性疾病区域选择的补丁图像用于模型培训.
• 评估对具有挑战性的恶性淋巴瘤及其亚型的分类性能.

主要方法:

• 采用多种预训练策略和卷积神经网络 (CNN),包括EfficientNet.
• 利用病理学家从血素和色素染色样本中选择的补丁图像.
• 专注于四类分类任务:正常淋巴结和三种B细胞淋巴瘤亚型.

主要成果:

• 使用ImageNet进行预训练的EfficientNet CNN表现出最高的分类性能.
• 该模型在四个类别的分类任务中获得了0.87的AUC.
• 性能与免疫组织化学和遗传分析相当.

结论:

• 拟议的AI模型使病理学家能够独立准备数据,提高诊断可靠性.
• 这种方法大大降低了与额外的诊断测试相关的成本和时间.
• 该模型作为一般医疗机构的实用和高效的诊断支持工具.