相关实验视频
Updated: Jan 8, 2026
05:39
Spontaneous Murine Model of Anaplastic Thyroid Cancer
Published on: February 3, 2023
2.2K
一个新的专家注释的单细胞数据集用于甲状腺癌诊断,使用深度学习的基准标准
Nguyen Quang Huy1, Thanh-Ha Do2, Nguyen Van De3
1Faculty of Mathematics Mechanics and Informatics, VNU University of Science, Hanoi, Vietnam.
PLOS digital health
|December 16, 2025
概括
这项研究引入了使用专家注释的单细胞图像来诊断甲状腺癌的新数据集. 深度学习模型在自动化细胞学分析和基于人工智能的诊断方面显示出有希望的结果.
科学领域:
- 医疗成像医学成像
- 计算病理学计算病理学
- 人工智能在医学中的应用
背景情况:
- 自动化细胞学分析对于准确的癌症诊断至关重要.
- 高质量的注释数据集对于开发可靠的AI诊断工具至关重要.
- 甲状腺癌的诊断从单细胞中核特征的详细分析中获益.
研究的目的:
- 介绍一种新的,专家注释的单细胞图像数据集,用于甲状腺癌诊断.
- 在本数据集上建立深度学习基线模型以进行多标签分类.
- 为基于人工智能的细胞学诊断提供未来研究的基准.
主要方法:
- 创建了一个由3 419个单细胞图像组成的数据集,这些图像来自组织病理学幻灯片,并用9个核特征进行注释.
- 开发了使用ConvNeXt,视觉转换器 (ViT) 和ResNet的深度学习管道.
- 实施了类不平衡的技术,包括有条件的CutMix,加权采样和SPA损失与标签配对规范化 (LPR).
主要成果:
- 拟议的深度学习管道在数据集上表现良好.
- 该研究强调了数据集的特征对人工智能模型具有挑战性.
- 结果证实了特定模型架构和以数据为中心的策略的有效性.
结论:
- 专家注释的数据集是推动甲状腺癌自动化细胞学分析的宝贵资源.
- 深度学习模型,特别是具有有效的架构和数据策略的深度学习模型,显示了准确的多标签分类的潜力.
- 这项工作为基于AI的可解释和可靠的细胞学诊断设定了基准.
