Credit: Pixabay/ CC0公共领域数字病理学是一个新兴领域，主要处理来自患者活检的显微镜图像。由于分辨率较高，这些完整的幻灯片图像(WSI)大多尺寸较大，通常超过千兆字节(Gb)。因此，典型的图像分析方法不能有效地处理它们。看到这种需求，来自波士顿大学医学院(BUSM)的研究人员开发了一种新的人工智能(AI)算法，该算法基于一种称为表示学习的框架，根据切除肿瘤的肺组织图像对肺癌亚型进行分类。
“我们正在开发新的基于人工智能的方法，可以提高评估数字病理学数据的效率。病理学实践正在经历一场数字革命。正在开发基于计算机的方法来帮助病理专家。此外，在没有专家的地方，这种方法和技术可以直接帮助诊断，”通讯作者维贾亚·b·科拉奇拉马博士解释说，他是FAHA BUSM大学医学和计算机科学助理教授。
研究人员开发了一种基于图形的数字病理学视觉转换器，称为图形转换器(GTP)，它利用病理图像的图形表示和转换器架构的计算效率来对整个幻灯片图像进行分析。
“将计算机科学的最新进展转化为数字病理学并不简单，需要建立能够专门解决数字病理学问题的人工智能方法，”通讯作者之一、BUSM大学医学副教授Jennifer Beane博士解释道。
利用三个公开的国家队列的完整幻灯片图像和临床数据，他们开发了一个模型，可以区分肺腺癌，肺鳞癌和邻近的非癌组织。通过一系列研究和敏感性分析，他们表明他们的GTP框架优于当前用于整个幻灯片图像分类的最先进方法。
他们相信他们的机器学习框架具有超越数字病理学的意义。“对开发用于其他现实世界应用的计算机视觉方法感兴趣的研究人员也可以发现我们的方法很有用，”他们补充道。
这些发现在线发表在IEEE医学成像学报上。
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
