深度学习用于整片图像中黑色素瘤的分类和预后:一篇评论
Jianwei Liu1, Liu Liu, Xiaodong An
1School of Mechanical Engineering, Zhengzhou University of Aeronautics, Zhengzhou, China.
The American Journal of dermatopathology
|February 26, 2026
概括
深度学习 (DL) 在使用全幻灯片图像 (WSIs) 的黑色素瘤诊断和预后方面表现有前途. 挑战包括概括性和解释性,需要进一步研究临床整合.
科学领域:
- 皮肤病学 皮肤病学
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 黑色素瘤发病率不断上升,需要改进诊断方法.
- 传统的黑色素瘤诊断在效率,主观性和量化性方面面临限制.
- 应用到全幻灯片图像 (WSI) 的深度学习 (DL) 是一个关键的研究领域.
研究的目的:
- 系统地审查当前的景观和趋势的DL在黑色素瘤的诊断和预后使用WSIs.
- 确定关键的挑战,并提出未来的研究方向DL在黑色素瘤管理.
主要方法:
- 按照PRISMA指南进行系统的文献审查.
- 在PubMed和Web of Science中搜索了2020年1月至2024年6月期间发表的研究.
- 包括27项定性合成研究,重点关注黑色素瘤WSIs中的DL应用.
主要成果:
- DL适用于黑色素瘤WSIs的二进制和多类诊断分类.
- DL显示了使用WSIs进行预后评估的新兴角色.
- 确定了关键挑战:模型的概括性,可解释性和临床整合性.
结论:
- 通过WSIs,DL具有通过WSIs进行黑色素瘤诊断和预后的巨大潜力.
- 在临床翻译中,应对概括性,解释性和整合性方面的挑战至关重要.
- 未来的研究应该专注于克服这些障碍,以改善患者管理.
更多相关视频
07:41A Robust Discovery Platform for the Identification of Novel Mediators of Melanoma Metastasis
Published on: March 8, 2022
3.0K
09:37Combining Reflectance Confocal Microscopy with Optical Coherence Tomography for Noninvasive Diagnosis of Skin Cancers via Image Acquisition
Published on: August 18, 2022
3.0K
