Aug, 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

PDF
TL;DR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。
eosinophilic esophagitisopen-eoewhole slide imagedeep learning-based object detectiondiagnostic process
发现论文，激发创造
  • 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

    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。

    May, 2022

  • 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

  • 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

  • 采用带类别感知损失的知识蒸馏进行内窥镜疾病检测

    本文提出了一个利用深度学习来改善诊断失误率的框架，针对胃肠道癌症的诊断，利用端到端的师生学习方式，采用多类别学生网络来利用训练过的师范模型的类别概率，从而提高困难检测病变的定位并最小化漏检率，模型在两个数据集上都实现了更高的 mAP，并且具有泛化性。

    Jul, 2022

  • 基于 Transformer 的口腔上皮异型增生分割模型

    我们开发了一种基于 Transformer 的新管线，以改善血红素和伊红染色全切片图像中口腔上皮畸形（OED）的检测和分割。我们的模型在从英国和巴西三个外部中心收集的测试数据上验证后，表现良好，并取得了最先进的结果。这是第一项在癌前组织病理学图像中使用 Transformer 进行分割的外部验证研究，我们公开提供的模型显示出巨大的潜力，可成为完全集成管线的第一步，实现更早和更有效的 OED 诊断，最终使患者受益。

    Nov, 2023

  • 口腔上皮异型增生恶变预测的全自动和可解释算法

    基于可解释的核特征，我们提出了一种完全自动化的算法，用于预测口腔上皮异型增生的恶性变化，并在外部数据集上进行了验证，表现出优于人类水平的性能，为日常临床实践中评估口腔上皮异型增生等级的挑战提供了一个有前途的解决方案。

    Jul, 2023

  • 基于深度学习的 H&E 乳腺癌全切片图像中与缺氧有关的形态特征检测

    本研究展示了一种使用深度学习评估乳腺癌组织学形态学下低氧相关特征的新方法。通过对组织切片图像的训练和评估，我们证明了弱监督深度学习模型可以准确检测常规 H&E 全切片图像中的低氧相关特征，并展示了低氧和正常氧组织区域特征之间的显著差异。该方法具有潜在可将其扩展到其他肿瘤类型，并能轻松集成到病理工作流程中而不需要额外昂贵的化验分析。

    Nov, 2023

  • 基于单幅图像的深度学习用于早期食管癌病变分割

    本文提出了一种名为 YOHO 的深度学习方法，它可以仅使用单张病人图像进行训练，避免了隐私泄露和泛化问题，同时通过使用临床专家的知识和几何渲染等技术细节，在提高分割准确度方面取得了显著进展，得分为 0.888。

    Jun, 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