使用DenseNet和U-Net在组织病理学图像中检测和分类瘤
Benjamin Keel1, Oliver Mills1, James Battye1
1CDT AI for Medical Diagnosis and Care, University of Leeds, UK.
Studies in health technology and informatics
|August 8, 2025
概括
人工智能 (AI) 计算机视觉从显微镜图像中准确诊断出瘤真菌或细菌类型. 这一突破有助于及时治疗这个被忽视的热带疾病.
科学领域:
- 医学真菌学 医学真菌学
- 计算病理学计算病理学
- 人工智能在医学中的应用
背景情况:
- 迷瘤是一种被忽视的热带疾病,它带来了影响患者结果的诊断挑战.
- 区分真菌 (eumycetoma) 和细菌 (actinomycetoma) 菌瘤对于有效治疗至关重要.
- 目前用于瘤的诊断方法可能耗时,可能导致误诊.
研究的目的:
- 评估人工智能 (AI) 计算机视觉的可行性,用于从组织病理图像中诊断瘤.
- 开发和调整人工智能模型用于瘤粒的定位和分类.
- 为了提高瘤诊断的准确性和效率.
主要方法:
- 利用了来自苏丹卡尔图姆瘤研究中心的863张遗传病学图像的数据集.
- 适应U-Net细分和DenseNet分类模型用于图像分析.
- 应用AI计算机视觉技术来检测和分类瘤粒.
主要成果:
- 在瘤类型预测方面获得了94.52%的高分类准确率.
- 获得0.8362的子得分,表明在谷物定位方面表现强.
- 证明了人工智能模型在分析菌瘤诊断的组织病理图像方面的有效性.
结论:
- 人工智能计算机视觉为准确高效的瘤诊断提供了一个有前途的工具.
- 开发的模型可以帮助临床医生区分真菌和细菌瘤.
- 这种方法有可能改善患者的预后和瘤治疗结果.
