人工智能辅助估计细菌感染尸体的死后间隔,使用在可变温度条件下的病理成像

科学领域:

• 法医科学 法医科学 法医科学
• 计算病理学计算病理学
• 人工智能的人工智能

背景情况:

• 估计死后间隔 (PMI) 是至关重要的,但由于众多变量而具有挑战性.
• 传统的PMI方法是主观的,并且在较长的时间间隔内效果较差.
• 全幻灯片成像 (WSI) 和人工智能提供精确,可复制,数据驱动的PMI估计.

研究的目的:

• 将基于人工智能的PMI估计扩展到细菌感染的尸体.
• 评估AI模型在各种温度条件下的性能.
• 为法医科学建立一个实用,客观,可扩展的PMI估计方法.

主要方法:

• 使用全幻灯片成像 (WSI) 来捕获感染小鼠尸体的数字病理图像.
• 应用人工智能 (AI) 算法用于数据驱动的PMI估计.
• 在Staphylococcus aureus,大肠杆菌和Pseudomonas aeruginosa感染的25°C,37°C和4°C的温度下对模型进行了测试.

主要成果:

• 人工智能模型在各种场景中表现出强度,包括细菌感染和不同温度.
• 实现了高性能指标:培训/测试中曲线下的微型和宏观区域 (AUC) 至少为0.873 (补丁级) 和0.717 (WSI级).
• 外部验证显示AUC不低于0.948 (补丁级),证实了模型的可靠性.

结论:

• 人工智能驱动的计算病理学为PMI估计提供了一个客观和可扩展的解决方案.
• 这种方法通过利用病理部分和AI算法来增强法医工作流程.
• 建立了一个新的技术基准,用于在感染和未感染的情况下估计PMI.