基于深度学习的细胞核细分和黑色素瘤检测在皮肤组织病理图像中使用测试图像增强和组合模型
Mohammadesmaeil Akbarpour1,2, Hamed Fazlollahiaghamalek3, Mahdi Barati1
1Electrical and Computer Engineering, University of Alberta, Edmonton AB T6G 2R3, Canada.
Journal of imaging
|August 27, 2025
概括
这项研究引入了人工智能驱动的皮肤癌诊断方法,使用深度神经网络对细胞核进行细分,并在组织病理图像中检测黑色素瘤,从而提高诊断效率.
科学领域:
- 数字病理学
- 计算生物学
- 医学成像分析
背景情况:
- 组织病理学图像对于皮肤癌的诊断至关重要,但很大,因此手工分析耗时.
- 由于细胞边界变化,在组织病理学中自动化细胞核细分具有挑战性.
- 人工智能 (AI) 在皮肤癌检测中提供了计算机辅助诊断 (CAD) 的潜力.
研究的目的:
- 开发基于深度神经网络 (DNN) 的技术,用于在组织病理图像中自动细分细胞核和检测黑色素瘤.
- 通过自动识别和分析异常细胞核来加快诊断过程.
主要方法:
- 使用基于DNN的方法进行核细分.
- 使用几何运算增强图像的强度.
- 用形态技术对细分核进行了黑色素瘤检测.
主要成果:
- 拟议的技术实现了91.61%的核细分.
- 黑色素瘤检测准确度达到了87.9%的分数.
- 该方法在分析细胞核在各个组织段的分布方面表现出有效性.
结论:
- 基于DNN的技术为细胞核细分和黑色素瘤检测提供了有效的解决方案.
- 这种人工智能驱动的方法显著提高了皮肤癌诊断的效率和准确性.
- 这些过程的自动化可以加速全面的诊断评估.
