糖尿病中自动机器学习和卷积神经网络研究 - - 组织病理图像在设计和探索实验模型中的作用
Iulian Tătaru1, Simona Moldovanu2,3, Oana-Maria Dragostin4
1Department of Morphofunctional Sciences I, "Grigore T. Popa" University of Medicine and Pharmacy, 700115 Iasi, Romania.
Biomedicines
|June 26, 2025
概括
这项研究引入了一个新的组织病理学数据集,来自于糖尿病诱导的老鼠模型. 人工智能算法准确地分类了子宫和阴道组织,突出了糖尿病对女性生殖健康的影响.
科学领域:
- 生殖生物学 生殖生物学
- 计算病理学计算病理学
- 糖尿病学 糖尿病学
背景情况:
- 组织病理学图像对于诊断复杂病态至关重要.
- 现有的计算模型通常依赖于有限的公共数据集.
- 糖尿病 (DM) 可以显著影响女性生殖健康.
研究的目的:
- 创建一个原始的组织病理图像数据集从糖尿病糖尿病的雌性大鼠模型.
- 评估抗糖尿病合成化合物 (AD_SC) 对生殖器官 (阴道,子宫,卵巢) 的影响.
- 开发和应用人工智能模型来分类组织病理图像和提取的特征.
主要方法:
- 从正常,DM诱导和AD_SC治疗的雌性大鼠中获取基因病理图像.
- 开发一个定制的卷积神经网络 (CB-CNN) 用于图像分类.
- 使用PyCaret自动机器学习 (AutoML) 提取和分类纹理特征 (对比度,,能量,同质性).
主要成果:
- 子宫组织分类在DM群中达到94.5%的准确度,在AD_SC群中达到85.8%.
- 使用阴道组织特征的线性差异分析 (LDA) 准确率为86.3%.
- 这项研究证明了AI在分析糖尿病中生殖组织变化的潜力.
结论:
- 人工智能算法,包括CNN和机器学习,对于分类生殖组织的组织病理图像是有效的.
- 开发的数据集和方法为糖尿病及其治疗对女性生殖健康的影响提供了宝贵的见解.
- 这项研究强调了计算方法在推进生殖病理学研究中的实用性.
