深度学习发现了融合的黑色细胞形态,尽管有噪音的档案幻灯片
Mikio Tada1, Garrett Gaskins1, Sina Ghandian1
1Institute for Neurodegenerative Diseases, University of California, San Francisco, San Francisco, CA 94158, USA; Bakar Computational Health Sciences Institute, University of California, San Francisco, San Francisco, CA 94158, USA.
机器学习模型现在可以通过从免疫组织化学 (IHC) 污染物中学习,使用标准的H&E图像来预测黑色素细胞缺陷. 这种方法有助于病理学家更准确地在现场诊断黑色素瘤 (MIS).
科学领域:
- 计算病理学计算病理学
- 数字病理学数字病理学
- 医学中的人工智能
背景情况:
- 黑色素细胞缺陷症带来诊断挑战,导致机器学习预测的不一致性和困难.
- 准确地确定现场黑色素瘤 (MIS) 对于有效的患者管理和治疗至关重要.
- 传统的组织学评估可能是主观的,需要客观的工具来提高诊断准确度.
研究的目的:
- 开发一种深度学习管道,用于从H&E染色组织学图像中预测黑色素细胞缺陷.
- 通过整合免疫组织化学 (IHC) 数据来克服预测黑色素细胞缺陷的局限性.
- 提高皮肤黑色素瘤在现场 (MIS) 的诊断能力.
主要方法:
- 使用H&E染色部分的整片图像与通过免疫组织化学 (IHC) 染色的连续或连续部分对MelanA,MelPro或SOX10进行了配对.
- 通过使用现实世界档案开发了一个深度学习管道,其中包括来自61个已确认的MIS病例的122个配对完整幻灯片图像.
- 卷积神经网络 (CNN) 模型被训练来识别来自H&E图像的细胞学和建筑特征,由IHC染色指导.
主要成果:
- 梅兰A+MelPro模型的AUROC为0.948和AUPRC为0.611,而SOX10模型的AUROC为0.867和AUPRC为0.433.
- 尽管IHC染色类型 (核与细胞质) 存在差异,但CNN模型证明了融合可解释的AI逻辑.
- 开发的"虚拟染色"有效地从H&E图像中直接识别关键特征,模仿IHC染色信息.
结论:
- 该研究成功开发了一种深度学习管道,能够通过利用IHC染色数据利用H&E图像预测黑色细胞异常.
- "虚拟染色"方法通过突出关键的细胞学和建筑特征来帮助病理学家,从而支持对皮肤MIS的评估.
- 这种人工智能驱动的方法为改善皮肤病理学诊断一致性和准确性提供了一个有希望的工具.
更多相关视频
09:37Combining Reflectance Confocal Microscopy with Optical Coherence Tomography for Noninvasive Diagnosis of Skin Cancers via Image Acquisition
Published on: August 18, 2022
09:58DNA-barcode-based Multiplex Immunofluorescence Imaging to Analyze FFPE Specimens from Genetically Reprogrammed Murine Melanoma
Published on: June 6, 2025
相关概念视频
Phase Contrast and Differential Interference Contrast Microscopy
In-phase-contrast microscopes, interference between light directly passing through a cell and light refracted by cellular components is used to create high-contrast, high-resolution images without staining. It is the oldest and simplest type of microscope that creates an image by altering the wavelengths of light rays passing through the specimen. Altered wavelength paths are created using an annular stop in the condenser. The annular stop produces a hollow cone of...
Super-resolution Fluorescence Microscopy
