检索结果-南通市图书馆

数字病理技术在骨髓细胞形态学检验中的应用进展

在线全文

学校读者我要写书评

暂无评论

中国医疗器械杂志 2022年第1期46卷 76-80页

作者：付鑫焱王巍高海燕杭州智微信息科技有限公司杭州市311203 哈尔滨医科大学附属第二医院哈尔滨市150086

数字病理技术的进步,使得病理学家和检验医师能够借助电子屏幕和软件工具对组织和细胞数字图像进行方便快捷、精确和可重复性分析,不再完全依赖传统光学显微镜观察。现代临床细胞学检验实践正朝向数字化工作流程转变,骨髓细胞数字病理... 详细信息

数字病理技术的进步,使得病理学家和检验医师能够借助电子屏幕和软件工具对组织和细胞数字图像进行方便快捷、精确和可重复性分析,不再完全依赖传统光学显微镜观察。现代临床细胞学检验实践正朝向数字化工作流程转变,骨髓细胞数字病理技术主要包含数字成像与细胞图像分析两方面。该文概述数字病理技术的基本原理、细胞学数字病理设备的现状、数字病理技术在临床骨髓细胞形态学检验中的应用以及存在的问题和展望。

关键词：数字病理图像分析骨髓涂片细胞形态学

在线全文

学校读者我要写书评

暂无评论

数字病理切片超分辨率成像及其临床应用研究

数字病理切片超分辨率成像及其临床应用研究

作者：陈雨诗中南大学

学位级别：硕士

研究背景:病理诊断是临床实践中疾病诊断的“金标准”。在计算病理学时代,获取能精确到亚微米级别的高分辨率病理图像至关重要,但这并不容易实现。近年来,病理图像超分辨率成像(Super-resolution Imaging,SR)在弥补这一差距方面展现出... 详细信息

研究背景:病理诊断是临床实践中疾病诊断的“金标准”。在计算病理学时代,获取能精确到亚微米级别的高分辨率病理图像至关重要,但这并不容易实现。近年来,病理图像超分辨率成像(Super-resolution Imaging,SR)在弥补这一差距方面展现出了良好的发展潜力。传统的载玻片样品通过专用的全载玻片图像扫描仪数字化为全切片图像(Whole Slide Images,WSIs)。通过使用计算机上的WSIs进行诊断,可以为载玻片的分析、管理与共享等带来了极大的便利。更重要的是,它为计算病理学(Computational Pathology,CPATH)提供了发展基础,即应用图像分析和机器学习算法来评估病理图像。然而病理数据具有特殊性,其中包含多个逐渐放大的图像,囊括了多个不同放大倍率下的标本特征。因此病理数字化耗时长,存储需求高且不便网络传阅。同时,超分辨率图像的临床价值一直是被低估的,甚至被忽略。因此,针对上述问题,我们提出了自己的解决方案。研究方法:首先,针对病理数据的特殊性,以5倍物镜(5×)的低分辨率(Low resolution imaging,LR)图像作为数字化对象,扫描时长和数据体量呈数十倍下降。基于输入的LR图像,提出一种多尺度超分辨率成像方法。本方法采用了深度学习(Deep learning,DL)超分辨率网络,可以通过输入的LR图像直接得到符合诊断需求的40倍物镜(40×)的高分辨率(High resolution imaging,HR)图像。考虑到病理数据的特殊性,基于WSI中不同分辨率的数据来优化模型的损失函数,巩固跨放大倍率的特征学习,以此实现多尺度的SR性能提升。其次,针对超分辨率模型生成图像的临床价值,我们邀请了不同年资(低、中、高)的病理学家A-C参与医学评估工作。将生成图像和真实图像分两个时间段呈现给他们。研究结果:本研究的数据集纳入了883张载玻片的数据(来自12个不同的人体组织)。生成图像的峰值信噪比(Peak signal-to-noise ratio,PSNR)为20.492d B,结构相似度指数(Structure Similarity Index Measure,SSIM)为0.548,优于目前7种主要的超分辨率成像方法(P值病理医师A-C的视觉评估,真实图像的评分分别为4.956±0.022、4.775±0.136以及4.833±0.096,生成图像的评分为4.942±0.037、4.000±0.150以及4.845±0.101,生成图像基本没有遗漏重要诊断特征。配对样本t检验表明,大部分病理学家的P值大于0.05,生成图像的视觉效果总体上与真实图像保持高度一致。医学评估表明:当使用生成图像和真实图像进行病理诊断,生成图像的诊断结果能够达到与真实图像一致的诊断效果。其中,病理学家A-C的诊断结果在真实图像和生成图像的表现:灵敏度:(0.905±0.087 vs 0.898±0.083,P值=0.794),(0.921±0.054 vs0.928±0.078,P值=0.390),(0.932±0.054 vs 0.920±0.063,P值=0.080);特异度:(0.964±0.037 vs 0.964±0.035,P值=0.931),(0.967±0.030 vs0.973±0.030,P值=0.256),(0.978±0.018 vs 0.976±0.019,P值=0.194);AUC:(0.935±0.061 vs 0.931±0.059,P值=0.794),(0.935±0.061 vs0.951±0.053,P值=0.384),(0.955±0.035 vs 0.948±0.040,P值=0.078)。病理学家A-C的诊断一致性在真实图像和生成图像的表现:Kappa系数分别为0.987、0.943以及0.969,P值病理数据,本研究针对数据特征提出了更为省时经济的病理学数字化方法并对它的临床价值进行了评估。第一部分的工作解决了病理图像数字化过程的技术难题:取得了低存储、低成本、低时长的数字化效果;第二部分的医学评估证明了超分辨率方法的临床价值,意味着病理图像的超分辨率成像在临床应用中具有广阔的前景。

关键词：超分辨率 WSI 病理诊断深度学习数字病理

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的数字病理图像细胞检测方法

基于深度学习的数字病理图像细胞检测方法

作者：陈铭辉东华大学

学位级别：硕士

通过观察显微镜下的细胞组织结构和病变特征来进行的病理检查(Pathological examinations)是大多数疾病诊断的“金标准”,很多疾病的最终诊断都依赖于病理形态学检查的分析结果。但传统的病理学诊断和稀缺的病理医生资源已经无法满足日... 详细信息

通过观察显微镜下的细胞组织结构和病变特征来进行的病理检查(Pathological examinations)是大多数疾病诊断的“金标准”,很多疾病的最终诊断都依赖于病理形态学检查的分析结果。但传统的病理学诊断和稀缺的病理医生资源已经无法满足日益增长的病理诊断需求,这种矛盾也成为了我国病理学发展停滞不前的重要因素。因此,若能通过大数据和人工智能技术对数字病理图像进行细胞检测,将可以为病理医生的诊断分析提供辅助和参考并做出快速、准确和非主观的诊断结果,从而提高病理诊断的准确率和效率,弥补病理医生不足的问题来缓解基层医院临床的病理诊断需求。随着数字病理学的发展,利用人工智能对数字病理图像进行细胞检测成为了研究热点,但由于数字病理图像存在多尺度细胞实例、前景背景样本不平衡和细胞粘连等问题,导致模型的准确度和检测效果无法达到应用于病理学的临床水平。针对上述问题,本文提出了两种新的数字病理图像细胞检测方法,并在某三甲医院真实临床数据集上验证所提方法的检测效果,最后设计并实现了数字病理图像辅助诊断系统。本文的研究内容主要分为以下三个方面:(1)提出了一种基于样本权重的自适应锚点区域建议网络的细胞检测方法针对数字病理图像中多尺度细胞实例和前景背景样本不平衡的问题,提出了一种基于样本权重的自适应锚点区域建议网络(Sample Weight Learning and Adaptive Anchor Region Proposal Network,SWLAA-RPN)的细胞检测方法。首先引入引导锚点模块,根据输入图像的特征图动态预测非均匀和任意形状的锚点,提高了模型对不同尺度细胞的检测效果。同时加入样本权重学习模块,通过样本加权的方式缓解了前景背景样本不平衡的问题,让模型更加关注与细胞实例相关的前景样本数据,消除与细胞不相关的组织液背景区域的样本数据。实验结果表明,该网络模型有效地解决了数字病理图像中的检测问题,并且模型取得了更好的检测效果和准确度。(2)提出了一种基于细胞实例密度的非极大值抑制的细胞检测方法针对数字病理图像中存在的高密集的细胞粘连场景问题,提出了一种基于细胞实例密度的非极大值抑制算法,解决了细胞粘连场景下漏检和误检的问题。首先,计算细胞实例的密度值idensity,然后通过动态调整函数计算动态阈值N,之后引入Soft-NMS的惩罚函数通过加权的方式抑制检测分数。该方法可以根据细胞实例的密集程度动态调整阈值,在密集的细胞粘连场景下,阈值就会动态变大,而在稀疏的场景下,阈值会动态变小。同时实验结果也表明,该方法相比于其他非极大值抑制算法更好的提升了检测性能,同时也适配其他目标检测模型。(3)设计并实现了数字病理图像辅助诊断系统基于以上模型和方法,本文设计并实现了数字病理图像辅助诊断系统,该系统采用前后端分离进行开发。系统主要目的在于验证本文所提细胞检测方法的有效性并将方法应用于实际临床数字病理诊断中,辅助医生进行病理诊断。该系统主要包括基本功能模块、病理医生功能模块和系统管理员功能模块,帮助病理医生对患者的信息和数字病理图像进行管理,并且利用系统对患者的病理图像进行人工标注或自动标注任务。

关键词：数字病理样本权重 SWLAA-RPN 细胞实例密度非极大值抑制算法

基于图神经网络的乳腺癌病理图像分析方法综述

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

计算机科学 2024年第6期51卷 172-185页

作者：陈思硕王晓东刘西洋西安电子科技大学计算机科学与技术学院西安710126

病理诊断是癌症诊断和治疗过程中的金标准,利用人工智能模型对癌症病理图像进行自动分析不仅可以减轻病理学家的工作负担,还可以提高诊断结果的准确性。然而,病理图像的大尺度特点以及对预测结果可解释性的高要求为人工智能模型带来了... 详细信息

病理诊断是癌症诊断和治疗过程中的金标准,利用人工智能模型对癌症病理图像进行自动分析不仅可以减轻病理学家的工作负担,还可以提高诊断结果的准确性。然而,病理图像的大尺度特点以及对预测结果可解释性的高要求为人工智能模型带来了巨大的挑战。在近年来的研究中,图神经网络在建模图像中实体的空间上下文关系及可解释性方面都展现出了强大的能力,为数字病理的研究提供了新的思路。文中回顾了近年来计算机视觉领域的相关工作,分析了图神经网络在乳腺癌病理图像分析中的优势,分类和比较了现有的面向乳腺癌病理图像的图构建方法,分析和对比了乳腺癌病理图像分析中的图神经网络模型,整理了近年来的研究中常用的工具包与公开数据集,总结了基于图神经网络的乳腺癌病理图像分析研究中存在的挑战并对未来的研究方向进行了展望。

关键词：乳腺癌病理图像图神经网络图分类数字病理

在线全文

学校读者我要写书评

暂无评论

基于深度学习的数字病理图像分割综述与展望

软件学报 2021年第5期32卷 1427-1460页

作者：宋杰肖亮练智超蔡子贇蒋国平南京邮电大学自动化学院、人工智能学院江苏南京210023 南京理工大学计算机科学与工程学院江苏南京210094

数字病理图像分析对于乳腺癌、前列腺癌等良恶性分级诊断具有重要意义,其中,组织基元的形态和目标测量是量化分析的重要依据.然而,由于病理数据多样性和复杂性等新特点,其分割任务面临着特征提取困难、实例分割困难等挑战.人工智能辅助... 详细信息

数字病理图像分析对于乳腺癌、前列腺癌等良恶性分级诊断具有重要意义,其中,组织基元的形态和目标测量是量化分析的重要依据.然而,由于病理数据多样性和复杂性等新特点,其分割任务面临着特征提取困难、实例分割困难等挑战.人工智能辅助病理量化分析将复杂病理数据转化为可挖掘的图像特征,使得自动提取组织基元的定量化信息成为可能.特别是随着计算机计算能力的快速发展,深度学习技术凭借其强大的特征学习、设计灵活等特性在数字病理量化分析领域取得了突破性成果.系统概述目前代表性深度学习方法,包括卷积神经网络、全卷积网络、编码器-解码器模型、循环神经网络、生成对抗网络等方法体系,总结深度学习在病理图像分割等任务中的建模机理和应用,并梳理了现有方法的方法理论、关键技术、优缺点和性能分析.最后讨论了未来数字病理图像分割深度学习建模的开放性挑战和新趋势.

关键词：数字病理组织基元实例分割特征表示学习深度模型

在线全文

学校读者我要写书评

暂无评论

数字病理自监督学习与高信息量辅助诊断

数字病理自监督学习与高信息量辅助诊断

第十七届中国体视学与图像分析学术会议

作者：郑钰山姜志国北京航空航天大学北京市生物医学高精尖创新中心北京航空航天大学宇航学院图像中心

数字病理全切片自动分析是近年来医学人工智能领域与癌症辅助诊断领域研究的热点方向与关键问题。常见数字图像处理算法,特别是基于卷积神经网络的深度学习方法,一般需要带有准确标注的图像数据完成模型的训练。然而数字病理图像像素规... 详细信息

数字病理全切片自动分析是近年来医学人工智能领域与癌症辅助诊断领域研究的热点方向与关键问题。常见数字图像处理算法,特别是基于卷积神经网络的深度学习方法,一般需要带有准确标注的图像数据完成模型的训练。然而数字病理图像像素规模巨大,精细标注工作困难且繁重,经典深度学习模型对标注数据量的高要求与建立大规模标注病理数据集的高代价是制约该领域发展的主要矛盾。随着数字病理的推广以及远程诊断的持续开展,带有专家诊断信息的数字病例快速积累。在这一背景下,基于计算机视觉、人工智能领域前沿方法,探索研究不依赖医生手动标注的全切片分析与癌症辅助诊断方法是解决上述矛盾的重要途径。本研究以数字病理远程诊断与平台大数据为基础,充分利用病理专家远程诊断过程中自然产生的数字病理全切片图像、肿瘤取材报告、诊断报告、切片浏览记录等多元信息,探索基于癌症诊断数据本身的数字病理自监督、弱监督学习理论方法,使模型算法摆脱对医生手工标注的过度依赖,进而建立能够自主迭代学习的数字病理人工智能辅助诊断系统,形成融合病理全切片图像分类、分割,以及相似区域检索与推荐的高信息量癌症辅助诊断模式。

关键词：数字病理病理图像处理自监督学习弱监督学习癌症辅助诊断

来源： cnki会议评论

在线全文

cnki会议

学校读者我要写书评

暂无评论

国内数字病理发展现状与展望

中国医疗管理科学 2023年第6期13卷 60-65页

作者：魏瑞璇庞剑李少冬清华大学医院管理研究院北京100084

目的比较分析国内外数字病理领域的相关文献、政策与医疗实践,探讨国内数字病理发展的困境与突破点,展望未来建设方向。方法在中国知网、Pub Med等数据库进行检索,收集2010年-2023年数字病理相关文献,基于文献综述方法对其在我国的发... 详细信息

目的比较分析国内外数字病理领域的相关文献、政策与医疗实践,探讨国内数字病理发展的困境与突破点,展望未来建设方向。方法在中国知网、Pub Med等数据库进行检索,收集2010年-2023年数字病理相关文献,基于文献综述方法对其在我国的发展现状进行讨论。结果国内目前在数字病理的行业规范、监管法规、费用标准化、病理数据库建设等方面存在滞后,病理扫描仪和人工智能标准化、复合人才培养、数据存储方案优化是建设的难点。结论应加快建设数字病理行业规范和监管法规,关注病理人工智能算法的可解释性和可验证性。数字病理融入病理学教育是较低风险的应用场景,有利于培养数字病理建设所需复合人才。建设高质量病理数据库,对患者隐私保护和数据创新的平衡应予以关注。

关键词：数字病理人工智能全视野数字切片文献综述

应用数字病理技术对脑脊液检验三种方法收集细胞效率及形态学比较研究

在线全文

学校读者我要写书评

暂无评论

现代检验医学杂志 2023年第4期38卷 148-153页

作者：刘婷婷杜芳贺莹边婷周慧敏易招师李晓娜李雯空军军医大学第一附属医院神经内科西安710032 江西省儿童医院神经内科江西南昌330006

目的运用数字病理技术比较三种不同沉淀法对脑脊液(cerebrospinalﬂuid,CSF)细胞的收集率,同时探究形态学收集效果,为临床选择合适的检验方法提供依据。方法募集2020年7~10月在空军军医大学第一附属医院细胞学研究室送检的CSF标本122例,... 详细信息

目的运用数字病理技术比较三种不同沉淀法对脑脊液(cerebrospinalﬂuid,CSF)细胞的收集率,同时探究形态学收集效果,为临床选择合适的检验方法提供依据。方法募集2020年7~10月在空军军医大学第一附属医院细胞学研究室送检的CSF标本122例,通过显微镜扫描细胞玻片,HALO软件对细胞定量分析比较自然沉淀法、赛默飞Cytospin-4及粟氏FMMU-6的细胞离心沉淀法的细胞收集率。并利用CSF中病理性细胞阳性检出情况验证三种方法的形态学收集效果。结果FMMU-6和Cytospin-4的离心沉淀法细胞完整度、形态较自然沉淀法更好,收集率均高于自然沉淀法,差异具有统计学意义(F=12.50~182.56,均P病理性细胞,共检出阳性5例(13.9%),其中FMMU-6检出5例(13.9%),Cytospin-4检出3例(8.3%),自然沉淀法检出1例(2.8%)。结论离心沉淀法的细胞收集效率明显优于传统自然沉淀法,同时两种离心沉淀法中,FMMU-6具有更好的优越性,且对CSF中血液系统恶性肿瘤细胞的形态学检测效果更好。

关键词：数字病理脑脊液细胞学血液系统肿瘤

在线全文

学校读者我要写书评

暂无评论

数字病理图像智能诊断报告生成技术的研究

数字病理图像智能诊断报告生成技术的研究

作者：马凯上海交通大学

学位级别：硕士

随着人工智能领域的发展,医学病理辅助诊断也有了很大的进步。在病理诊断上,恶性肿瘤的病理形态发展主要可以分为两个阶段,原位癌(非浸润型癌变)阶段,以及突破基底膜以后形成的浸润型癌变阶段。但是在大多数的研究工作中,都是针对某种肿... 详细信息

随着人工智能领域的发展,医学病理辅助诊断也有了很大的进步。在病理诊断上,恶性肿瘤的病理形态发展主要可以分为两个阶段,原位癌(非浸润型癌变)阶段,以及突破基底膜以后形成的浸润型癌变阶段。但是在大多数的研究工作中,都是针对某种肿瘤(如胃癌)发展的单一阶段(如原位癌阶段)进行诊断,并且在诊断结论上仅仅给出良恶性诊断标签。上述问题就会导致病理辅助诊断的阶段不全面性,并且未给出一定的诊断可解释性,会给病理医生造成一定的理解困扰。为了解决这些问题,本文工作中主要开展了针对恶性肿瘤的发展全阶段的、并包含图像和文字的数字病理辅助诊断报告生成技术的研究。1)由于非浸润型癌变阶段存在明确的癌变边界,可以通过语义分割的方式来解决诊断问题。针对病理医生需要进行数据标注的问题,我们提出使用基于随机游走原理的半自动化分割标注工具,能够帮助医生通过简单的线条勾画就可以得到精细的分割边界,为后面的研究开展打下坚实的数据基础。2)针对非浸润癌变阶段使用常规分割方法表现不好的问题,本文提出了针对全切片数字病理图像端到端分割的网络模型。创新地提出适应病理癌变区域不规则形状特点的分割模块,能够融合不同形状的感受野进行语义分割,并生成相关的诊断报告。我们在MICCAI2019年的公开数据集上进行与主流分割算法的对比,并且取得了很好的表现。3)针对浸润型癌变阶段不存在明确的癌变边界的特点,我们与上海市国际妇幼保健院合作构建具有多种病理属性标签的宫颈癌前病变数据集,创新的提出了使用注意力机制和多标签分类相结合的方法,可以得到不同病理属性所对应的注意力区域和生成结构化的诊断报告。最后通过LSTM诊断模块,可以生成更好质量的诊断结论。

关键词：语义分割注意力机制数字病理辅助诊断