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:
本文系梅斯医学(MedSci)原创编译整理,转载需授权!