整个幻灯片成像为宫细胞学中细胞技术人员提供免费的支持工具
Yuki Kurita1, Shiori Meguro1, Yuki Sugiura2
1Department of Regenerative and Infectious Pathology, Hamamatsu University School of Medicine, Hamamatsu, Shizuoka, Japan.
概括
一个新的AI模型CYTOLONE通过实时分析显微镜图像来支持宫细胞学. 这种人工智能工具提高了诊断的准确性和效率,为资源有限的设置提供了实用的解决方案.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 细胞病理学 细胞病理学
背景情况:
- 宫细胞学对于检测癌前和癌性病变至关重要.
- 传统的手动显微镜是耗时和劳动密集的.
- 现有的人工智能系统通常需要昂贵的整个幻灯片成像,阻碍实时,可访问的诊断.
研究的目的:
- 开发和评估CYTOLONE,一种用于实时宫细胞学辅助的新型AI模型.
- 克服传统和现有的AI辅助细胞学工作流程的局限性.
主要方法:
- 使用OpenAI对比的语言图像预训框架开发了CYTOLONE,并通过层次标签进行了微调.
- 集成显微镜与果Mac和iPhone摄像头进行图像捕捉.
- 对分类准确性,异常检测和诊断类别的评估模型性能.
主要成果:
- 与现有的AI模型相比,CYTOLONE实现了更高的分类准确性.
- 高异常检测精度 (95.8%) 和恶性病 (92.8%),贝塞斯达 (61.5%) 和诊断 (57.5%) 类别的精度提高.
- 实时图像处理在0.5秒以下,具有更清晰的诊断类别界限.
结论:
- CYTOLONE为宫细胞学提供了一种实用,高效的AI解决方案,适合资源有限的环境.
- 该模型与传统的工作流程无集成,实时支持细胞技术人员.
- 消除了昂贵的全幻灯片扫描仪的需求,提高了诊断效率和可访问性.
