关于智能识别肺癌及其易混淆疾病的病理图像的深度学习研究取得进展
中山医学院李伟忠教授团队和附属第一医院柯尊富教授团队联合开发了一种基于深度学习的肺部病理图像智能诊断模型，能够准确区分肺癌及其易混淆疾病的病理图像。研究成果“Deep learning-based six-type classifier for lung cancer and mimics from histopathological whole slide images： a retrospective study”在国际医学权威期刊BMC Medicine在线发表。
中山医学院李伟忠教授团队和附属第一医院柯尊富教授团队联合开发了一种基于深度学习的肺部病理图像智能诊断模型，能够准确区分肺癌及其易混淆疾病的病理图像。研究成果“Deep learning-based six-type classifier for lung cancer and mimics from histopathological whole slide images： a retrospective study”在国际医学权威期刊BMC Medicine在线发表。
研究人员通过有监督学习的方式构建肺部疾病组织学类型的深度学习分类器，以热图的方式可视化结果，并经过多个医学中心的独立数据集验证模型的综合性能，以人机比较的方式进一步评价模型的临床意义。该模型是首个能够区分肺腺癌、肺鳞癌、小细胞肺癌、肺结核、机化性肺炎和正常肺部组织的六分类器，拓展了肺部组织分型的人工智能辅助诊断范围，适用于复杂多病种诊断需求，具有很好的临床可解释性。研究人员在来自四个不同医疗中心的1000多张病理切片上进行了测试，AUC最高达到0.978，与临床真实诊断结果高度吻合。研究人员还邀请4位来自我校附属第一医院病理科不同年资的病理医生进行双盲阅片对照，结果显示模型达到了与经验丰富的病理医生相近的诊断水平。
该研究成果建立的人工智能模型用于识别肺癌及其易混淆疾病的病理图像，面对复杂的临床病理学情景，表现出卓越的准确性、稳定性和实用性，其临床转化应用将能提升病理诊断效率和准确度，达到智能辅助诊断的目的。
相关文章
评论
我要跟帖
