改善卵巢癌亚型,使用计算机视觉模型在状组织病理图像上

科学领域:

• 计算病理学计算病理学
• 人工智能在瘤学中的应用
• 数字病理学数字病理学

背景情况:

• 由于非特异性症状和缺乏可靠的查,对卵巢癌的诊断具有挑战性.
• 准确的亚型分类对于个性化卵巢癌治疗和改善患者治疗结果至关重要.

研究的目的:

• 开发一种机器学习管道,使用整个幻灯片图像 (WSI) 来分类卵巢癌亚型.
• 为了证明瓦覆盖区域的有效性,简化复杂的检测和分类任务.

主要方法:

• 在WSI上微调预训练的计算机视觉模型.
• 使用向组织面具 (死,筋膜,瘤) 进行.
• 通过多数投票对进行分类,并扩展到子类型分类.

主要成果:

• 在卵巢癌亚型的瓦级分类中获得了高准确性.
• 在所有亚型中,精度超过90%.
• 演示了复杂问题的转化为更简单的分类任务.

结论:

• 可扩展的自动化系统显示出协助卵巢癌诊断的潜力.
• 开发的方法提高了诊断一致性和临床环境中的可访问性.
• 这些发现有助于推进癌症诊断的计算病理学.