May, 2022

利用人工智能推断新的空间生物标志物，用于嗜酸性食管炎的诊断

PDF
TL;DR采用人工智能技术实现语义分割，提取出局部空间生物标志物，通过分析组织学特征的分布，实现对 EoE 患者诊断和严重程度分类的决策支持系统。
eosinophilic esophagitishistology-based diagnosisartificial intelligencebiomarkershistological severity
发现论文，激发创造
  • 利用数字病理学和因果学习改善嗜酸性食管炎饮食治疗分配

    这项研究利用 AI 推断组织学特征，并引入因果学习模型，应用于以组织学诊断为基础的食物消除计划中。研究结果表明，相比于只有一种食物消除计划，六种食物消除计划并不能提供更好的治疗效果，而且单独的食物消除计划对 35% 至 38% 的患者有改善作用，而本研究推出的因果模型治疗策略可以提供 58.4% 的改善率。

    Apr, 2023

  • 深度学习基于开源工具包的儿童嗜酸性粒细胞性食管炎嗜酸性粒细胞检测

    该研究开发了一个名为 Open-EoE 的开源工具包，能够通过 Docker 进行端到端全幻灯片图像级别嗜酸粒细胞检测，支持三种最先进的基于深度学习的目标检测模型，并通过集成学习策略进一步优化性能，提高结果的精确度和可靠性。实验结果表明，Open-EoE 工具包能够高效地检测嗜酸粒细胞，并在诊断 EoE 时达到了 91% 的准确率，显示出与病理学家评估结果的一致性，为将机器学习方法融入 EoE 的诊断过程提供了一个有前景的途径。

    Aug, 2023

  • 嗜酸性粒细胞分割的不确定性量化

    我们提出了一种改进 Adorno 等人的方法来量化嗜酸性粒细胞，该方法利用蒙特卡洛辍学法在当前深度学习模型上提供不确定性量化，并通过输出图像可视化不确定性来评估模型性能、了解深度学习算法的工作原理，并协助病理学家识别嗜酸性粒细胞。

    Sep, 2023

  • 多标签圆表示法的全数字切片图像上嗜酸性粒细胞实例目标分割

    该论文提出了多标签 CircleSnake 模型，并通过实验结果显示其在识别和分割嗜酸性粒细胞方面的优越性，从而促进对食管嗜酸性粒细胞食道炎的更好表征。这种自动化方法有望简化评估过程并提高诊断准确性。

    Aug, 2023

  • 大型语言模型用于细分 Barrett 食管诊断分类

    我们开发了一种通用的基于 Transformer 的方法来自动提取 Barrett 食管炎（BE）病理报告中的关键诊断表型，进行二元非典型增生分类和多类别 BE 相关诊断分类，通过使用临床预训练的大型语言模型，我们得到了与自定义规则系统相当的性能。

    Aug, 2023

  • 一种数据高效的深度学习框架，用于组织病理学图像的分割和分类

    该论文中介绍了一种利用深度学习方法对人体组织进行皮肤肌炎活检的细胞自动分类和分割的方法，在细胞分类和分割方面的表现均有所提升，该方法对研究自身免疫性疾病的细胞组成有着可靠的应用前景。

    Jul, 2022

  • 应用自然语言处理技术自动提取接受放射治疗的患者病历中食管炎的存在和严重程度

    这篇论文使用自然语言处理技术从临床笔记中自动提取配合 CTCAE 指南的食管炎毒性严重程度，取得了让人满意的结果，为在扩展领域下基于 NLP 自动化详细毒性监测提供了切实可行的解决方案。

    Mar, 2023

  • 免疫组织化学生物标志物引导的组织病理学图像检索

    本研究提出了一种有针对性的图像搜索方法来改善肿瘤检测和癌症诊断。通过多种免疫组化染色技术，将图像合并生成复合标记物图像，并利用深度学习技术实现对癌变或异常组织信息的高效筛查，从而提高了搜索引擎的精确度。

    Apr, 2023

  • 病理学和内窥镜图像的基础模型：胃炎应用

    人工智能在医学诊断中的应用是管理上消化道癌症（全球癌症死亡主因之一）的重要进展。 该研究综述了基于多样性数据训练的 Foundation 模型在内窥镜和病理图像分析方面提高准确性的最新进展、应用和挑战。

    Jun, 2024

  • 免疫组化指导下的乳腺癌切片中良性上皮细胞、原位病变及浸润上皮细胞的分割

    利用人工智能的数字病理学可以自动分析组织病理切片，自动评估可以提高诊断效率并帮助找出形态特征与临床结果之间的关联。本研究旨在开发一个用于乳腺癌切片上上皮细胞分割的人工智能模型，利用卷积神经网络进行训练，并通过数据增强提高模型的鲁棒性。

    Nov, 2023