学术研究
深度学习区分脉络膜黑色素瘤与转移癌的细胞学样本
英国利物浦眼肿瘤中心的研究者收集87名接受经巩膜细针穿刺活检患者(50例脉络膜黑色素瘤、37例脉络膜转移癌)的May-Grünwald-Giemsa染色细胞离心涂片,数字化后切分为256×256像素的图块。研究用692个人工标注图块训练U-Net模型分割肿瘤细胞,再比较5种卷积神经网络、3种视觉Transformer和7种多实例学习(MIL)架构的分类效果,采用患者级三折交叉验证,并预留17名患者作为最终独立测试集。U-Net分割精确率0.80、召回率0.76;双层特征蒸馏MIL模型患者级AUC最高(0.96),DenseNet121患者级准确率最高(0.84)。作者认为该框架为AI辅助细胞病理打下基础,有望在缺乏眼病理专科医生的中心加快诊断。
#人工智能#细胞病理学#脉络膜肿瘤
PubMed Ophthalmology