研究多模型级联深度学习框架在骨髓瘤病理诊断中的应用
Hui Yao1, Mengxue Yang1,2, Xin Jiang1
1Department of Pathology, Chongqing General Hospital, Chongqing University, Chongqing, China.
Oncology reviews
|November 28, 2025
概括
使用Vision Mamba (ViM) 的新深度学习框架显著改善了骨髓瘤的病理诊断. 该模型准确地细分瘤和死角区域,帮助评估骨髓瘤患者的治疗疗效.
科学领域:
- 在瘤学瘤学.
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 骨髓瘤是一种常见的青少年骨癌,需要精确的病理诊断.
- 评估化疗诱导的瘤缩对于治疗疗效的评估至关重要.
- 病理学家在骨髓瘤诊断和评估方面面临着挑战.
研究的目的:
- 开发一个深度学习框架,以提高骨髓瘤的病理诊断.
- 为了提高骨髓瘤患者瘤亡评估的准确性.
- 利用Vision Mamba (ViM) 进行精确的细分和分类任务.
主要方法:
- 与Vision Mamba (ViM) 开发了一个级联深度学习框架.
- 利用来自临床和公共来源的综合性骨髓瘤数据集.
- 采用人工智能驱动的注释和三重验证机制来改进数据.
主要成果:
- 实现了Dice系数>0.83,用于细分瘤,骨质母体和死角区域.
- 在分类任务中,已证明的AUC,灵敏度,特异性,PPV和NPV>90%.
- 该模型显示在骨髓瘤管理中具有很高的临床应用潜力.
结论:
- 拟议的深度学习框架显著提高了骨髓瘤病理诊断的准确性.
- 这种人工智能驱动的方法有望改善治疗疗效评估和患者管理.
- 视觉Mamba (ViM) 核心架构在复杂的医学图像分析中表现出强的性能.
