人工智能和深度学习的实用性,以自动化和加速人类卵巢组织的卵泡计数
Alena Arlova1, Jacqueline C Yano Maher2,3, Hannah Anvari4
1Artifical Intelligence Resource, National Cancer Institute, National Institutes of Health, Bethesda, MD.
Biology of reproduction
|November 9, 2025
概括
我们开发了一种使用深度学习的人工智能方法,以在整个幻灯片图像中自动计算卵巢卵泡数量. 这种方法提高了生育保护研究和临床决策的准确性和可重复性.
科学领域:
- 生殖生物学 生殖生物学
- 计算病理学计算病理学
- 医学成像分析 医学成像分析
背景情况:
- 卵巢卵泡对于繁殖至关重要,并且随着时间的推移而衰退.
- 卵巢组织的冷保存有助于保持生育能力.
- 目前的卵泡计数方法是手动的,耗时的和可变的.
研究的目的:
- 开发一种基于人工智能的自动化方法,用于在全幻灯片图像 (WSI) 中计数卵巢卵泡.
- 整合深度学习细分和对象检测,以增强毛囊量化.
主要方法:
- 利用了47名患者的1,857个WSI,其中有8,300个注释的毛囊.
- 使用DeepLabV3+进行细分,使用Faster R-CNN进行对象检测.
- 合并的预测和使用子系数,灵敏度和正预测值 (PPV) 评估的性能.
主要成果:
- 细分模型实现了0.4939.9的子系数.
- 对象检测模型的COCO指标得分为0.27.
- 经过手动校正后,组合的AI模型显示了0.92的灵敏度和0.95.9的PPV.
结论:
- 这种人工智能驱动的方法显著提高了卵巢卵泡量化的准确性和可重复性.
- 这种自动化方法为生育保护研究和临床应用提供了宝贵的工具.
- 这项研究强调了人工智能在改善卵巢组织组织病理学评估方面的潜力.


