梅斯医学MedSci APP
医路相伴,成就大医

ARCH PATHOL LAB MED:深度学习卷积神经网络可以识别常见的胃病理损伤模式?

Tags: 深度学习卷积神经网络      作者:MedSci原创 更新:2020-04-05

目前你,大多数的深度学习(DL)研究都集中在肿瘤病理学上,而基本上没有涉及炎症病理学的领域。本研究探讨了DL在非肿瘤性胃活检中的应用。

本研究由2名胃肠病理学家盲法建立金标准诊断。对于第一阶段,对300例最能显示所需病理的经典病例(100例正常病例、100例幽门螺杆菌病例、100例反应性胃病病例)进行扫描和注释,进行DL分析。 每组共选取70%的病例进行训练集,30%纳入测试集。该软件为测试活检指定了彩色标签,该标签对应于DL算法指定诊断的组织面积,称为面积分布(AD)。在第二阶段,另外106个连续的非经典胃活检以同样的方式测试。

对于第一阶段,受试者操作曲线显示与金标准诊断几乎完全一致,AD的截止率为50%(曲线下面积[AUC] = 99.7%)和幽门螺杆菌(AUC = 100%),40%为反应性胃病(AUC = 99.9%)。敏感性/特异性配对如下:正常(96.7%,86.7%),幽门螺杆菌(100%,98.3%),反应性胃病(96.7%,96.7%)。对于第二阶段,受试者工作曲线的区分度稍低,诊断组的最佳AD截止率降低到40%。auc为正常的91.9%,幽门螺杆菌为100%,反应性胃病为94.0%。敏感性/特异性组如下:正常组(73.7%,79.6%),幽门螺杆菌组(95.7%,100%),反应性胃病组(100%,62.5%)。

研究表明,卷积神经网络可作为有效的幽门螺杆菌胃炎筛查工具/诊断辅助。

原始出处:

David R. Martin, MD; Joshua A. Hanson, MD;A Deep Learning Convolutional Neural Network Can Recognize Common Patterns of Injury in Gastric Pathology

本文系梅斯医学(MedSci)原创编译整理,转载需授权!

来源:MedSci原创
版权声明:
本网站所有注明“来源:梅斯医学”或“来源:MedSci原创”的文字、图片和音视频资料,版权均属于梅斯医学所有,非经授权,任何媒体、网站或个人不得转载,授权转载时须注明“来源:梅斯医学”。本网所有转载文章系出于传递更多信息之目的,且明确注明来源和作者,不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。同时转载内容不代表本站立场。
在此留言
小提示:本篇资讯需要登录阅读,点击跳转登录
移动应用
medsci.cn © 2020