.png){kind=icon}
返回
Research on tissue section negative detection algorithm based on multispectral microscopic imaging
.png){kind=icon}
PRE
AI
DOI：10.1142/S179354582550035X.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
近年来，人工智能（AI）技术的快速发展使得AI辅助阴性筛查能够通过图像特征分析和多模态数据建模显著提高医师效率，使其能更专注于阳性病例的诊断。同时，多光谱成像（MSI）整合光谱与空间分辨率以捕捉肉眼不可见的细微组织特征，为病理分析提供高分辨率数据支持。结合AI技术与MSI，并采用定量方法分析多波段生物标志物（如角蛋白珍珠的吸收差异）可有效提高诊断特异性并减少人工玻片判读的主观误差。为解决识别阴性组织切片的挑战，我们开发了一种基于MSI的鉴别算法。以皮肤鳞状细胞癌（cSCC）为代表性案例研究，验证了该算法的有效性。该算法在排除阴性病例方面达到100%的准确率，并有效缓解了由cSCC异质性引起的假阳性问题。我们构建了一个在520nm、600nm和630nm波长下获取的多光谱图像（MSI）数据集。随后，采用优化的MobileViT模型进行组织分类，并与其他模型进行对比分析。实验结果表明，优化的MobileViT模型在识别阴性组织切片方面表现优异，准确率达到完美的100%。因此，我们的结果证实了整合MSI与AI以完美准确率排除阴性病例的可行性，为减轻病理学家的工作负担提供了新的解决方案。
Keyword:
Multispectral imaging
artificial intelligence
cSCC
negative detection
期刊
J
IF:
2.2
论文数:
59
被引数:
1.1K
机构
引用论文
Impact of Deep Learning Assistance on the Histopathologic Review of Lymph Nodes for Metastatic Breast Cancer深度学习辅助对转移性乳腺癌淋巴结组织病理学检查的影响
OAAI
.png){kind=icon}
OAAI分享收藏分享收藏
Use of novel artificial intelligence computer-assisted detection (AI-CAD) for screening mammography: an analysis of 17,884 consecutive two-view full-field digital mammography screening exams新型人工智能计算机辅助检测（AI-CAD）在乳腺X线摄影筛查中的应用：对17,884例连续双视图全数字化乳腺X线摄影筛查检查的分析
PREAI
分享收藏
查看更多内容