基于形态测量来检测球细分中的深度学习缺陷

科学领域:

• 腎臟病學 (nephrology) 是一種醫學專業.
• 医疗成像医学成像
• 人工智能的人工智能

背景情况:

• 深度学习在脏活检中优异地对质细胞进行细分.
• 人工智能注释的手动验证对病理学家来说是耗时的.
• 需要自动化方法来识别和纠正AI细分错误.

研究的目的:

• 调查形状分析,以自动评估基于深度学习的丸注释.
• 为了确定形态特征是否可以检测细分不一致.
• 为手册审查制定注释优先级的策略.

主要方法:

• 在超过168,000个球预测中对形状描述者的广泛研究.
• 形态测量的应用,以分析细分不一致性.
• 使用形状描述符来识别错误的注释的排名.

主要成果:

• 形状分析成功地发现了三种类型的细分不一致性.
• 通过形状描述符对注释进行排名,在顶部增加了错误.
• 一个由三个形状描述器组成的面板有效地丰富了错误,无论类型如何.

结论:

• 形状分析是评估球细分的一个可行的方法.
• 这种方法通过优先考虑可疑注释,大大减少了病理学家的工作量.
• 使用形状分析的自动错误检测提高了纠正深度学习衍生注释的效率.