AI帮助在病理学家级别对肺癌进行分类

根据美国癌症协会的统计,今年美国将有超过229,000人被诊断患有肺癌,其中腺癌是最常见的类型。为了帮助诊断,来自达特茅斯诺里斯棉花癌症中心和达特茅斯大学Hassanpour实验室的研究人员开发了一种基于深度学习的系统,用于自动分类肺腺癌手术切除载玻片上的组织学亚型,与病理学家相同。

“肺腺癌组织学类型的分类对于确定患者的肿瘤分级和治疗至关重要,”研究人员在他们的论文中说。“我们的模型可以用于帮助病理学家分类这些组织学模式,并最终有助于更准确地评估肺腺癌,”该团队说。

使用带有cuDNN加速 PyTorch深度学习框架的NVIDIA Tesla GPU,该团队在达特茅斯 - 希区柯克医学中心(DHMC)接受肺叶切除术的肺腺癌诊断患者的数百张全幻灯片图像上训练了一个卷积神经网络。

“我们的模型使用卷积神经网络来识别肿瘤细胞的区域,然后汇总这些分类,以推断任何给定的整个幻灯片图像的主要和次要组织学模式,”研究人员说。

img

病理学家(Ai-iv)注释的组织学模式的可视化与模型(Bi-iv)检测到的组织学模式相比较。

一旦神经网络被训练,该团队就在143个图像的数据集上评估该算法。据该团队称,该模型的所有评估指标均在与病理学家评估一致的95%置信区间内。

“考虑到我们模型的快速周转时间,它可以集成到现有的实验室信息管理系统中,以自动预先填充幻灯片上的组织学模式的诊断,或者对更具挑战性的模式提供第二意见。此外,我们的模型在分段水平上检查了整个载玻片的可视化,可以突出显示高级模式的难以捉摸的区域以及肿瘤细胞的主要区域,“研究人员表示。我们的模型在临床环境中的应用,我们的研究团队将作为下一步采用,本质上是一个自动化平台,用于阅读肺腺癌组织切片的质量保证。

这项工作最近发表在Nature,Scientific Reports上的一篇题为“ 病理学家级分类的切除肺腺癌滑动与深度神经网络的组织学模式 ”的论文中。

研究人员还发表了一篇实用的how-to博客,解释了如何在组织病理学图像上训练自己的基于深度学习的分类器。本文中使用的代码也可以在GitHub上找到。

阅读更多>

原文链接

来了,老弟
-------------    本文结束  感谢您的阅读    -------------
0%