玛莎 - 将目光与深度学习相结合,为完全定量的人体丸组织学分析提供全量化分析
Jacqueline Kockwelp1, Sabine Kliesch2, Jörg Gromoll2
1Centre of Reproductive Medicine and Andrology, University Hospital Münster, Münster, 48149, North Rhine-Westphalia, Germany; Institute for Geoinformatics, University of Münster, Münster, 48149, North Rhine-Westphalia, Germany; Faculty of Mathematics and Computer Science, University of Münster, Münster, 48149, North Rhine-Westphalia, Germany.
Computers in biology and medicine
|November 13, 2025
概括
结合眼睛跟踪和深度学习的工具MARTHA,提高了病理学诊断. 它吸引了专家的注意力,以改善人工智能培训和分析整个幻灯片图像的准确性,以获得更好的患者结果.
科学领域:
- 计算病理学计算病理学
- 生物医学图像分析
- 数字健康数字健康
背景情况:
- 手动组织检查是诊断的黄金标准,但缺乏用于AI培训的数据.
- 病理学家的检查策略往往会丢失,阻碍了深度学习模型的开发.
- 当前的计算病理学工具很难有效地整合专家知识.
研究的目的:
- 介绍MARTHA,这是一个新的工具,它将被动眼睛跟踪与深度学习相结合,用于增强诊断.
- 通过结合专家的注意力来提高计算机辅助诊断的效率和准确性.
- 创建人类丸组织最大的注释数据集.
主要方法:
- 玛莎将被动眼睛跟踪与基于深度学习的图像分析相结合.
- 一个用户友好的图形界面支持传统的交互方法.
- 该工具在人类丸组织整体幻灯片图像上进行了评估.
主要成果:
- 在数据交互效率和语义细分方面,MARTHA表现出强的表现.
- 创建了人类丸最大的注释数据集,包括超过83,000个细胞核.
- 该工具为丸表型提供了有价值的见解,有助于病理学家的分析.
结论:
- 玛莎有效地将专家的注意力集成到AI中,提高诊断准确性和效率.
- 该工具有助于创建用于病理学深度学习的大型注释数据集.
- 这种方法支持病理学家,是改善男性不孕症诊断和治疗的关键一步.
