对神经病理图像分析的多种定量策略的比较

科学领域:

• 神经病理学神经病理学
• 数字病理学数字病理学
• 人工智能的人工智能

背景情况:

• 对于神经病理学的传统半定量 (SQ) 评分有局限性,包括评估者的变性和不完整的病理谱捕获.
• 数字病理学提供了先进的技术,如正像素量化和人工智能,以进行更客观的评估.
• 这些数字方法与传统的SQ评分进行全面比较是缺乏的.

研究的目的:

• 为了比较传统的半定量 (SQ) 评分与计算机驱动的百分比面积染色测量和人工智能驱动的细胞密度量化对病理的测量.
• 评估这些方法在识别神经病理变化的表现,特别是慢性创伤性脑病变 (CTE).

主要方法:

• 从波士顿大学的大脑库中利用了1412个案例.
• 将人为驱动的SQ得分与计算机驱动的百分比面积染色度和人工智能驱动的细胞密度量化对背侧额叶皮层中tau病理的测量进行了比较.
• 在CTE病例中进行了亚分析,以检查与临床和神经病理变量之间的相关性.

主要成果:

• 在整个数据集中的所有措施之间观察到总体一致.
• 在CTE病例中,所有方法都预测了神经病理学,但正像素方法显示了由于背景,非细胞元素和文物而增加的可变性.
• 人工智能驱动的方法在识别与稀疏病理相关的病理变化方面表现出卓越的能力.

结论:

• 神经病理学评估技术之间存在显著差异.
• 人工智能驱动的方法显示出更准确,更灵敏地检测稀疏病理的前景.
• 仔细考虑分析方法的选择对于可靠的神经病理学评估至关重要.