企业概况

您所在位置:首页 > 企业概况 > 正文

新的机器学习模型可以在病理学家级别对肺癌载玻片进行分类

文章作者:www.cs-vaccine.com发布时间:2019-11-17浏览次数:1924

近年来机器学习得到了显着改善,并在医学图像分析领域显示出巨大的希望。达特茅斯诺里斯棉花癌症中心的研究专家团队利用机器学习能力协助分析肿瘤模型和肺腺癌亚型的挑战性任务,这是全球癌症相关死亡的主要原因。

目前,肺腺癌需要病理学家目视检查肺叶切除术切片以确定肿瘤模式和亚型。该分类在肺癌的预后和治疗中起重要作用,但这是一项困难和主观的任务。利用机器学习的最新进展,由Saeed Hassanpour博士领导的团队开发了一个深层神经网络,用于在组织病理学载玻片上对不同类型的肺腺癌进行分类,并发现该模型具有三种实践病理学。家很安静。

“我们的研究表明,机器学习可以在具有挑战性的图像分类任务中实现高性能,并可能成为肺癌管理的资产,”Hassanpour说。 “我们系统的临床实施将帮助病理学家准确地对肺癌亚型进行分类,这对于预后和治疗至关重要。”

该小组的结论是,“使用深度神经网络切除对肺腺癌组织学模式进行病理学分级”最近发表在“科学报告”上。认识到这种方法可能适用于其他组织病理学图像分析任务,Hassanpour的团队公布了其代码,以促进该领域的新研究和合作。

除了在临床环境中测试深度学习模型以验证其改善肺癌分类的能力之外,该团队还计划将该方法应用于乳腺癌,食道癌和结肠直肠癌中的其他具有挑战性的组织病理学图像。任务。 “如果临床试验得到验证,我们的神经网络模型可以在临床实践中实施,以帮助病理学家,”Hassanpour说。 “我们的机器学习方法也非常快,可以在不到一分钟的时间内处理幻灯片,因此它可以帮助患者在检查之前进行分类,并且可以极大地帮助病理学家视觉检查幻灯片。“