在结血小血管病和其他血管病的脏活检中进行多层多分区自动细分
Nicola Altini1, Michela Prunella1, Surya V Seshan2
1Department of Electrical and Information Engineering, Polytechnic University of Bari, Bari, Italy.
概括
一个新的自动化细分管道准确地分析脏活检图像,改善了对血栓性微血管病变 (TMA) 等疾病的诊断. 这个工具包帮助病理学家做出决策支持和大规模脏活检分析.
科学领域:
- 数字病理学数字病理学
- 计算生物学 计算生物学
- 腎臟病學 (nephrology) 是一種醫學專業.
背景情况:
- 精确的细分活检全片图像 (WSIs) 对于分析至关重要.
- 现有的模型在血管病变中扎着各种染色和形态扭曲,例如血栓式微血管病变 (TMA).
研究的目的:
- 开发一个自动化的多染色细分管道,用于六个关键的脏区.
- 为了实现下游分析任务,如在各个层面 (实例,WSI,活检) 计数和标记.
- 在病理学中对细分和分类进行深度学习模型的基准测试.
主要方法:
- 开发了一种多染色细分管道,用于脏活检隔间 (动脉,动脉,淋巴体,皮质,髓,囊/其他).
- 基准六个深度学习模型用于语义细分和五个用于分类.
- 利用来自七个中心的158个活检,分类为TMA或模仿者,用专家生成的地面真相面具和标签.
- 将活检分为训练,验证和测试集,以进行严格的评估.
主要成果:
- 在所有分区中实现了强大的细分,具有高的子系数 (例如,Cortex的0.903,Glomerulus的0.922).
- 最好的分类模型的准确度为0.724 (体) 和0.841 (动脉/动脉管).
- 尽管TMA中常见的形态扭曲,但表现强.
结论:
- 开发的管道为脏活检分析提供了准确的细分.
- NePathTK是一个与QuPath集成的开源工具包,支持病理学的决策.
- 能够对脏活检进行大规模分析和分类,从而提升诊断能力.
