使用语义细分的前列腺腺癌的检测和评分分级使用语义细分.

科学领域:

• 在瘤学瘤学.
• 医疗成像医学成像
• 人工智能的人工智能

背景情况:

• 前列腺癌对全球的健康造成重大负担.
• 准确的检测和分级对于有效的患者管理至关重要.
• 区分格里森模式3和4对于治疗决策至关重要.

研究的目的:

• 开发和评估一个深度学习模型用于前列腺腺癌的语义细分.
• 提高前列腺癌检测和分级的准确性,特别是区分格里森模式3和4.
• 为前列腺癌研究提供公开可用的数据集.

主要方法:

• 开发一套由100张前列腺针芯活检的数字化整片图像组成的新型数据集.
• 实施深度学习模型,集成扩展注意力机制和残余卷积U-Net架构.
• 使用像素扩展和类权重来解决类失衡,并进行五倍交叉验证以进行可靠的评估.

主要成果:

• 该模型在内部交叉验证中获得了0.87的平均子得分和0.92的准确性.
• 在外部测试数据上,该模型展示了0.64的平均 Dice 和0.81.8的准确性.
• 分段和分级的结果被专家病理学家验证.

结论:

• 拟议的深度学习方法显示出在临床环境中精确检测和分级前列腺癌的潜力.
• 该模型区分格里森模式3和4的能力为病理学家提供了宝贵的工具.
• 公开可用的数据集支持计算病理学的进一步研究和开发.