快速而准确的肺癌亚型分类和定位基于肺腺癌的手术内冷截面
Zhihong Chen1, Yanxi Li2, Chenchen Nie1
1Department of Pathology, Hunan Provincial People's Hospital and The first-affiliated hospital of Hunan normal university, Changsha, 410000, People's Republic of China.
Biomedical physics & engineering express
|June 5, 2025
概括
这项研究引入了一种人工智能系统 (FSG-TL模型),可以准确检测肺腺癌,并在冷部分区分亚型,帮助病理学家,提高诊断速度和精度,用于关键癌症分期.
科学领域:
- 计算病理学计算病理学
- 医学中的人工智能
- 瘤诊断的诊断 瘤诊断的诊断
背景情况:
- 目前的肺癌诊断很难在冷部分区分病态进展的亚型,这影响了准确的分期.
- 在冷部分,区分 in situ 腺癌和侵入性腺癌是具有挑战性的,需要改进的诊断工具.
研究的目的:
- 开发基于深度神经网络的辅助诊断系统,用于肺腺癌的手术冷部分.
- 提高分辨病理进展亚型的准确性,减少病理学家的工作量.
主要方法:
- 开发了FSG-TL模型,将多实例学习与注意力增强的ResSimAM_Hybrid模型集成为分类.
- 使用精心注释的冷部分数据集,并纳入采样,组织定位和分类技术.
- 优化图像增强和分类模型,以提高癌症检测和亚型区分的性能.
主要成果:
- 该FSG-TL模型在识别癌症区域和区分肺腺癌亚型方面取得了很高的准确性.
- 肺腺癌全扫描部分的自动定位在约3分钟内实现.
- ResSimAM_Hybrid模型在瘤亚型中达到90.72%的分类准确度,超过了UNI模型. 该FSG-TL模型实现了瘤局部化子得分为0.82.2.
结论:
- 开发的AI系统提供了一种快速而准确的方法,用于在冷部分定位肺癌及其亚型.
- 这种人工智能辅助的方法为冷部分肺腺癌的临床诊断提供了重要的支持.
- 这项研究突出了AI在诊断肺腺癌亚型在各种病理进展阶段的潜力.
