通过识别全组织学幻灯片图像中的中性粒细胞,通过在公开可用的数据集上训练的机器学习来诊断骨科感染
Kieran Bentick1, Hollie Wilkinson2, Ali Al Khader3,4,5
1Robert Jones and Agnes Hunt Orthopaedic Hospital NHS Foundation Trust, Oswestry, UK.
Bone & joint research
|March 11, 2026
概括
这项研究表明,YOLO 11x模型可以准确地识别假肢关节修复手术组织中的中性粒细胞,有助于诊断周围假肢关节感染. 这种自动化方法可以简化诊断工作流程.
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:
- 假肢关节周围感染 (PJI) 诊断对于假肢关节修复手术至关重要.
- 在组织样本中精确识别和计数中性粒细胞对于PJI诊断至关重要.
- 目前的诊断方法可能很费力和耗时.
研究的目的:
- 评估YOLO (You Only Look Once) 11x物体检测模型在识别和量化假肢关节修复手术组织样本中中性粒细胞的有效性.
- 探索中性粒细胞分析自动化的潜力,以改善PJI诊断.
主要方法:
- 创建了3923个中性粒细胞图像的数据集,并增加了10个组织学幻灯片.
- 在这个数据集上训练了YOLO 11x模型,优化了50%以上的平均精度.
- 该模型的性能在19个未见病例中得到验证,将其中性粒细胞计数与已确定的诊断值进行比较.
主要成果:
- YOLO 11x模型实现了高性能指标,包括82%的精度和79%的地面真实图像回忆.
- 当与组织病理学,微生物学和多学科团队 (MDT) 诊断相比较时,该模型显示出强烈的一致性 (F1得分从78%到86%不等).
- 该模型正确识别了10个感染病例中的9个,并根据MDT诊断排除了9个非感染病例中的7个.
结论:
- 训练有素的YOLO 11x模型显示出在修复手术组织中识别中性粒细胞的巨大潜力,有助于PJI诊断.
- 使用这种人工智能模型自动化中性粒细胞计数可以提高PJI诊断的效率.
- 建议进行进一步的研究,以完善模型的信心,并提高PJI的诊断准确性.
