首頁 > 醫療器械發展

肺癌診斷新突破!機器學習識別腫瘤模式及亞型,表現與病理學家相當

肺癌診斷新突破!機器學習識別腫瘤模式及亞型,表現與病理學家相當

 

隨著機器學習技術的不斷發展,其在醫學圖像分析領域已經取得了飛速進步。近日,來自Norris Cotton Cancer Center的研究人員利用機器學習模型,對肺腺癌的腫瘤模式和亞型進行了分級。結果顯示,該模型與3位病理學家的表現旗鼓相當。這項研究發表在了《Scientific Reports》上。

肺腺癌(lung adenocarcinoma)是肺癌的一種,屬于非小細胞癌。目前,肺腺癌的診斷方式主要為病理學家肉眼對肺葉切片圖像進行檢查,從而確定腫瘤模式和亞型。這種診斷方式對肺癌的預后以及確定治療方案有著非常重要的作用,但是這一過程通常比較困難,且病理學家的判斷往往有一定的主觀性。

針對這一情況,來自Norris Cotton Cancer Center的研究人員開發并訓練了一種新的機器學習模型,并將病理學家識別的肺癌組織學樣本全切片圖像與該模型識別出的圖像進行比較。根據計算機模型生成的結果,研究人員使用不同顏色在圖像上進行標注。結果顯示,計算機模型識別出的圖像結果與病理學家進行的主觀性評估結果基本相符。

左圖為病理學家標注的圖像結果,右圖為機器學習模型的識別結果(圖片來源:Hassanpour Lab, Dartmouth's Norris Cotton Cancer Center,《Scientific Reports》)

“這項研究表明,在具有挑戰性的圖像分類任務上,機器學習可以擁有非常好的表現,并有可能成為肺癌診斷的助手,”這項研究的負責人、達特茅斯學院生物醫學數據科學系副教授Saeed Hassanpour博士表示:“我們系統的臨床應用將能夠幫助病理學家對肺癌亞型進行準確的分類,這對肺癌的預后和治療至關重要。”

除了在臨床環境中測試深度學習模型,以驗證其改善肺癌分類的能力之外,該團隊計劃將該方法應用于乳腺癌、食管癌和結直腸癌等組織病理學圖像分析之中。Hassanpour博士說道:“機器學習方法識別圖像的速度很快,識別一張圖片只需花費不到一分鐘的時間。因此,該模型可以在醫生檢查前完成患者分診,并極大地協助病理學家對圖像的檢查工作。”

目前,Hassanpour博士及他的團隊將這一模型的代碼開源,以促進該領域的更多新研究和新合作。

購物指南
賬戶注冊
購物流程
聯系客服
常見問題
找回密碼
物流配送
配送范圍及時間
配送狀態查詢
廠家服務
廠家幫助
廠家入駐
支付方式
快捷支付
網銀支付
公司轉賬
郵局匯款
售后服務
售后維修與保障
咨詢與投訴
退換貨申請
退換貨政策
醫電園保障
發票保障
正品保障
120分鐘快速響應
公司資質
返回頂部 今晚特马图开奖结果 查询 内蒙古十一选五前三组选100期 河南快三群 普通家庭经济危机如何理财 黑龙江11选5专家 上海体彩十一选五五 青海快3十大技巧 股票高频数据 河南快3开奖结果100期 中长线股票推荐 内蒙古十一选五遗漏查