机器学习检测黑色素瘤利用核的形态学和空间组织
Giulia Veronesi1,2, Nico Curti3, Aldo Gardini4
1Department of Medical and Surgical Sciences, University of Bologna, Bologna, 40126, Italy.
Scientific reports
|July 2, 2025
概括
这项研究引入了一种用于诊断皮肤黑色素瘤的自动化工具,提高了皮肤癌检测的准确性和效率. 该系统从组织病理学图像中分析细胞特征,以帮助临床决策.
科学领域:
- 皮肤病理学 皮肤病理学
- 计算病理学计算病理学
- 医学图像分析 医学图像分析
背景情况:
- 皮肤黑色素瘤是一种致命的皮肤癌,全球发病率不断增加.
- 手动组织病理学诊断是复杂和耗时的.
- 需要自动化工具来支持黑色素瘤诊断.
研究的目的:
- 开发一种用于皮肤黑色素瘤的自动诊断工具.
- 为临床决策支持产生可解释的结果.
- 为了在细胞水平上完善组织病理学分析.
主要方法:
- 利用了146张各种皮肤病变的全幻灯片图像的数据集.
- 采用多分辨率图像处理管道来细分核和提取特征.
- 应用线性差异分析以确定相关的诊断变量.
- 使用蒙特卡洛交叉验证验证的验证性能.
主要成果:
- 确定了18个关键变量,在黑色素瘤检测方面表现良好.
- 提取的特征包括核几何学,形态学和空间组织.
- 该工具的发现可以在已建立的遗传病理学的洞察力范围内进行解释.
结论:
- 该自动化工具显示出在支持临床医生在黑色素瘤诊断方面具有重大潜力.
- 它可以帮助优先考虑关键样本并提供二次意见.
- 细胞层面的分析确保了医疗专业人员的可验证性.


