企業概況

您所在位置:首頁 > 企業概況 > 正文

新的機器學習模型可以在病理學家級別對肺癌載玻片進行分類

文章作者:www.utbltn.icu發布時間:2019-11-17瀏覽次數:1924

近年來機器學習得到了顯著改善,并在醫學圖像分析領域顯示出巨大的希望。達特茅斯諾里斯棉花癌癥中心的研究專家團隊利用機器學習能力協助分析腫瘤模型和肺腺癌亞型的挑戰性任務,這是全球癌癥相關死亡的主要原因。

目前,肺腺癌需要病理學家目視檢查肺葉切除術切片以確定腫瘤模式和亞型。該分類在肺癌的預后和治療中起重要作用,但這是一項困難和主觀的任務。利用機器學習的最新進展,由Saeed Hassanpour博士領導的團隊開發了一個深層神經網絡,用于在組織病理學載玻片上對不同類型的肺腺癌進行分類,并發現該模型具有三種實踐病理學。家很安靜。

“我們的研究表明,機器學習可以在具有挑戰性的圖像分類任務中實現高性能,并可能成為肺癌管理的資產,”Hassanpour說。 “我們系統的臨床實施將幫助病理學家準確地對肺癌亞型進行分類,這對于預后和治療至關重要。”

該小組的結論是,“使用深度神經網絡切除對肺腺癌組織學模式進行病理學分級”最近發表在“科學報告”上。認識到這種方法可能適用于其他組織病理學圖像分析任務,Hassanpour的團隊公布了其代碼,以促進該領域的新研究和合作。

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,該團隊還計劃將該方法應用于乳腺癌,食道癌和結腸直腸癌中的其他具有挑戰性的組織病理學圖像。任務。 “如果臨床試驗得到驗證,我們的神經網絡模型可以在臨床實踐中實施,以幫助病理學家,”Hassanpour說。 “我們的機器學習方法也非常快,可以在不到一分鐘的時間內處理幻燈片,因此它可以幫助患者在檢查之前進行分類,并且可以極大地幫助病理學家視覺檢查幻燈片。“

蓝海赚钱