通过时间序列特征驱动的全幻灯片宫图像分级的计算机辅助定量框架
Chuanwang Zhang1,2, Dongyao Jia3, Zhiyong Wang1,2
1China Nuclear Power Engineering Co., Ltd., Beijing, 100840, China.
Scientific reports
|October 13, 2025
概括
这项研究提出了一种新的AI框架,用于使用整个幻灯片图像进行宫癌诊断,改善细胞分类和检测稳定性,以更好地分类病变.
科学领域:
- 计算病理学计算病理学
- 人工智能在瘤学中的应用
- 医疗图像分析 医学图像分析
背景情况:
- 目前用于宫癌诊断的ThinPrep细胞检测依赖于手动查,这可能是主观的,缺乏稳定性.
- 需要更客观,更准确的方法来帮助病理学家分类宫病变.
研究的目的:
- 引入全片子子宫图像的双阶段定量检测框架,以协助病理学家对病变进行分类.
- 为了提高宫细胞分类和检测的精度和稳定性.
主要方法:
- 利用一个你只看一次 (YOLO) 网络与注意力模块和多尺度特征融合用于细胞分类.
- 包含定量DNA描述和马修效应,用于精细的诊断贡献和细胞增殖评估.
- 提取时间序列特征和全球涂抹信息,以提高检测稳定性和抵抗错误分类.
主要成果:
- 获得了高的宫细胞分类精度 (0.8647) 和真实阳性率 (95.8%).
- 已证明涂抹水平的精度,灵敏度和特异性分别为0.9193,0.9285和0.9234.
- 获得了与专业病理学家可比的分级准确度,用于评估宫内皮质瘤.
结论:
- 拟议的AI框架显著改善了宫癌检测和分级准确度.
- 时间序列特征对于宫癌检测至关重要,与患者生理状态相关联.
- 该模型可以无地集成到现有的诊断系统中,提高查效率和稳定性.
