u-LINNDA:一种通过神经网络检测辅助工具进行用户优化的淋巴瘤识别的协议.
Maximilian Fischer1, Miriam Cindy Maurer2, Robin Peretzke3
1Heidelberg University, Medical Faculty, Grabengasse 1, 69117 Heidelberg, Germany; German Cancer Research Center (DKFZ) Heidelberg, Division of Medical Image Computing, Im Neuenheimer Feld 280, 69120 Heidelberg, Germany; German Cancer Consortium (DKTK), Partner Site Heidelberg, Heidelberg, Germany; Forschungscampus M(2)OLIE, University Medical Center Mannheim, Theodor-Kutzer-Ufer 1-3, 68167 Mannheim, Germany.
STAR protocols
|November 6, 2025
概括
这项研究介绍了u-LINNDA,一种新的卷积神经网络 (CNN) 算法,用于从脑瘤活检中诊断初级中枢神经系统淋巴瘤 (PCNSL). 该工具有助于准确地鉴定针对性治疗策略的组织病理学特征.
科学领域:
- 神经瘤学神经瘤学
- 计算病理学计算病理学
- 医学中的人工智能
背景情况:
- 质母细胞瘤 (GBM) 和初级中枢神经系统淋巴瘤 (PCNSL) 是需要准确诊断的侵袭性脑瘤.
- 组织病理学识别对于有针对性的神经外科和瘤治疗至关重要.
- 当前的诊断方法可能耗时,需要专门的专业知识.
研究的目的:
- 提出一种使用基于卷积神经网络 (CNN) 的算法来诊断PCNSL的协议.
- 详细说明u-LINNDA算法的安装,数据准备和预测步骤.
- 为检查u-LINNDA报告提供一种用于瘤身份预测的方法.
主要方法:
- 开发和实施u-LINNDA (通过神经网络检测辅助工具进行用户优化的淋巴瘤识别) 算法.
- 数据准备和预处理管道的描述,用于他的病理图像.
- 应用CNN算法来预测瘤实体和身份.
主要成果:
- 该研究概述了一种可重复的协议,用于利用u-LINNDA算法.
- 基于CNN的方法有助于识别PCNSL.
- u-LINNDA报告提供了关于瘤身份预测的见解.
结论:
- u-LINNDA算法为PCNSL的准确和有效诊断提供了一个有前途的工具.
- 这种基于CNN的方法可以帮助病理学家识别脑瘤实体.
- 该协议有助于将AI整合到常规的神经病理工作流程中,以改善患者护理.


