转移性肿瘤,所指的是癌细胞瓦解其完整的组织,通过循环或淋巴系统穿越身体,并在身体的其他部位构成新的肿瘤,这是众所周知十分无法检测的一种肿瘤。2009年,在波士顿,两家医疗中心对102名乳腺癌患者展开的一项研究找到,有四分之一的患者都由于医疗过程中“医疗程序”告终,而受到了有所不同程度的影响,例如有可能是因为身体检查不充份和临床检查不原始。全球有50万人因乳腺癌丧生,他们当中有90%都是转移性肿瘤。圣地亚哥海军医疗中心的研究人员,以及致力于的Google人工智能部门研究人员,目前研发出有了一种可期的解决方案,该解决方案使用癌症检测算法,可自动评估淋巴结前列腺。
他们的AI系统,又被称作淋巴结助手(LYNA),一篇公开发表在《美国外科病理学》杂志上,为题《基于人工智能的乳腺癌淋巴结移往检测》的论文中对该系统有所叙述。在测试中,它的接收器工作特性(AUC)下面积(一种检测精度的测量)能超过99%,这是病理检验师所做到将近的。根据最近的一项评估,病理检验师在时间容许上有62%的时间找到没法个别载玻片上的小移往现象。
该论文的作者写到:“人工智能算法可以详细地评估幻灯片上的每个的组织切片。我们获取了一个框架,以协助实践中的病理学家评估这些算法,并把它们划入自己的工作流程(类似于病理学家如何评估免疫系统组织化学结果这样的内容)。”LYNA模型是一种开源的基于Inception-v3的图像识别深度自学模型,在斯坦福的ImageNet数据集小黑早已被证明可以构建78.1%的准确率。
正如研究人员所说明的那样,它必须一个299像素的图像(Inception-v3的配置文件输出大小)作为输出值,然后在像素大小的级别上表明出有肿瘤的轮廓,并且在训练过程中,获得标签——即预测该的组织切片是“良性”还是“肿瘤”,并调整模型的算法权重以增加误差。该团队通过将LYNA模型置放长时间切片比肿瘤切片为4:1比例的这样一个训练环境中,并提升训练过程的“计算出来效率”,改良了他们先前发布的算法,这使得通过该算法可以“看见”更好的的组织多样性。此外,他们还对前列腺玻片扫瞄的变化展开了标准化,他们指出这可以将模型的性能提高到更高的程度。
研究人员将LYNA模型置放2016年淋巴数据集中于(Camelyon16)的癌症移往数据环境里展开训练,该数据集来自于Radboud大学(Nijmegen,theNetherlands)和Utrecht大学(Utrecht,theNetherlands)的医学中心,里面包括了399个淋巴结切片的玻片图像,以及来自20名患者的108张图像。
本文来源:yabo手机版登录-www.tsshx.cn
Copyright © 2008-2023 www.tsshx.cn. yabo手机版登录科技 版权所有 ICP备77138640号-7 XML地图 网站模板