帕索眼:一种深度学习框架,用于对皮肤组织的全幻灯片图像分析

科学领域:

• 皮肤病学 皮肤病学
• 计算病理学计算病理学
• 数字健康数字健康

背景情况:

• 皮肤病学中的全幻灯片成像 (WSI) 分析需要可解释的计算框架.
• 皮肤-表皮交叉点 (DEJ) 区域或底层膜区 (BMZ) 包含皮肤疾病的关键病理特征.

研究的目的:

• 开发PathoEye,一种可解释的计算框架,用于皮肤病学中的WSI分析.
• 专注于BMZ功能,以加强皮肤疾病的病理分析.

主要方法:

• 帕索眼整合了表皮引导采样,深度学习和放射学来进行WSI分析.
• 自动语义细分BMZ和提取不同的病理特征.
• 以BMZ为中心的补丁采样,以提高分类模型的性能.

主要成果:

• 在对各种皮肤病的多类分类方面,PathoEye的性能优于现有的方法.
• 鉴定了老年皮肤与年轻皮肤的BMZ中的组织病理异常和纹理变化.
• 老化细胞在BMZ中得到了丰富,老化皮肤中BM成分 (COL17A1,COL4A2,ITGA6) 的循环增加.

结论:

• 帕索眼 (PathoEye) 是一种有效的WSI分析工具,用于皮肤疾病中的BMZ特征.
• 以BMZ为中心的方法增强了皮肤疾病分类模型.