检测口腔状细胞癌在组织病理学图像中的协议,使用动量对比框架

科学领域:

• 数字病理学数字病理学
• 计算瘤学是一种计算瘤学.
• 生物医学成像分析分析

背景情况:

• 在组织病理学图像中精确检测口腔状细胞癌 (OSCC) 对患者的结果至关重要.
• 当前的诊断方法可能耗时,需要专门的专业知识.
• 人工智能领域的进步为组织病理学幻灯片的自动化分析提供了潜力.

研究的目的:

• 通过使用转移学习在组织病理学图像中检测OSCC的详细协议.
• 引入HistoMOCO模型,这是一个微调的深度学习模型,用于OSCC检测.
• 为培训和评估数字病理学AI模型提供可重复的方法.

主要方法:

• 利用转移学习在组织病理学图像中检测OSCC.
• 在各种组织图像上使用动量对比 (MoCo) 框架进行无监督的预训练.
• 开发和微调了HistoMOCO模型.
• 在专门的OSCC测试数据集上评估模型性能.

主要成果:

• 该协议概述了软件安装,数据集准备和模型预训练的明确步骤.
• 在HistoMOCO模型的成功微调和评估.
• 该研究为评估模型的诊断能力提供了一个框架.

结论:

• 本协议提供了一种可重复的方法,用于开发基于人工智能的OSCC检测工具.
• 使用MoCo的转移学习显示了提高口腔癌病理学诊断准确性的潜力.
• 这项工作有助于推进计算病理学,以改善癌症诊断.