原创投稿 行业报告 AI展会 数据标注
投稿发布
您的当前位置:主页 > 智慧医疗 > 正文

ARCH PATHOL LAB MED:深度学习卷积神经网络可以识别

来源: 时间:2020-04-08

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

 

人工智能交流群扫码邀请
人工智能交流群扫码邀请


转发量:

网友评论:

发表评论
请自觉遵守互联网相关的政策法规,严禁发布色情、暴力、反动的言论。
评价:
表情:
用户名: 验证码:点击我更换图片
数据标注服务

Copyright©2005-2020 Sykv.com 可思数据 版权所有    京ICP备14056871号

关于我们   免责声明   广告合作   版权声明   联系我们   原创投稿   网站地图  

可思数据 数据标注行业联盟

人工智能资讯   人工智能资讯   人工智能资讯   人工智能资讯

扫码入群
咨询反馈
扫码关注

微信公众号

返回顶部
关闭