150秒内快速诊断脑瘤!最新AI光学成像系统在《Nature Medicine》发表

  • 时间:
  • 浏览:0
  • 来源:大发快3APP下载—大发时时彩登录地址

SRH图像的语义分割可识别肿瘤浸润和诊断区域

原文发布时间:2020-01-09

本文作者:

本文来自阿里云云栖号商务商务合作伙伴“新智元”,了解相关信息不会 关注“新智元”

其实该工作流程是在神经外科肿瘤学的背景下开发和验证的,但用于诊断脑肿瘤的有些组织学形态是在有些器官的肿瘤中发现的。但会 ,不会 预测将光学组织学和深度学习相结合的类事工作流程可应用于皮肤科、头颈外科、乳腺外科和妇科,其中术中组织学对临床护理同样重要!重要的是,基于AI的工作流程在手术过程中为床边的显微组织诊断提供了无与伦比的途径,促进残留肿瘤的检测,降低去除病变付近正常组织的风险,促进研究区域组织学和分子异质性,并最大程度地减少因取样错误而意味着着分析的非诊断性活检或误诊的但会 。

此外,研究团队还实施了语义分割办法来识别SRH图像中的肿瘤浸润的诊断区域。对在原发性和转移性脑肿瘤中肿瘤-脑界面下发的样本进行的分析表明,CNN不会 将肿瘤与未浸润性的脑部和非诊断性区域区分开。

在未来,还不会 开发人工智能算法来预测脑肿瘤中的关键分子变异,如MGMT甲基化、IDH和ATRX的状态。此外,SRH但会 最终结合光谱检测诊断性基因变异的代谢效应,如在IDH突变的胶质瘤中积累2-羟基戊二酸。在此期间,SRH保存了成像组织的完整性性,可用于下游分析检测,并与现代分子诊断实践很好地结合。

来源:Nature Medicine等

编辑:向学

Orringer说:“作为外科医生,大伙 仅限于根据所见采取行动;这项技术使大伙 促进看得人原来看不见的东西,提高(手术室)的深度和准确性,并减少误诊的风险。有了你這個 成像技术,癌症手术比以后 更安全、更有效。”

新的科学技术进步,给予患者以希望,给予生命以光亮

https://www.nature.com/articles/s41591-019-0715-9

你這個 新办法简化了当患者仍在手术台上九时析组织样本的做法,促进指导脑外科手术和后续治疗。它结合了“受激拉曼组织学”(stimulated Raman histology,SRH)、无标签光学成像办法和深度卷积神经网络(CNNs),以自动化的办法在床边几乎实时地预测诊断,为组织诊断创造了一根绳子 独立于传统病理实验室的互补途径。

SRH(受激拉曼组织学,Stimulated Raman Histology)是四种 光学成像办法,不会 提供未经处里的生物组织的快速、无标签、亚微米分辨率的图像。SRH利用脂质、蛋白质和核酸固有的振动形态来产生图像对比,显示出HE染色的图像难以可视化的诊断显微形态和组织学发现,共同消除了冰冻或涂片组织制剂中固有的伪影。

研究背景:1000%的癌症患者将接受手术治疗,但传统的术中组织学却流程简化、步步惊心

令人震撼:SRH+CNNs“清爽地”将常规HE染色组织学工作流程化繁为简

这是一篇题为《使用受激拉曼组织学和深度神经网络进行近实时术中脑肿瘤诊断》(Near real-time intraoperative brain tumor diagnosis using stimulated Raman histology and deep neural networks)的文章,近日在线发表于《Nature》旗下顶级医学期刊《Nature Medicine》上。

人工智能正在各个领域大放异彩,不断扩充应用的版图!在手术室也显示出了新的希望!新的研究表明,机器学习不会 在1000秒以内诊断出脑肿瘤,所需时间仅仅是人类专家的一小每段,但会 准确率与人类专家平分秋色!

深度神经网络利用可训练的形态提取器,为分类提供原来学习和优化的图像形态分类层次形态。通过在眼科、放射科、皮肤科和病理科的深入学习,实现了图像分类任务的与人类水平相当的准确性。

应用SRH和深度学习的术中诊断管线主要暗含五个步骤:图像下发、图像处里、术中诊断预测。来自415位患者的超过21000万个带标签的图像用于CNN训练。CNN被训练将组织分为13种组织学类别,包括聚焦于常见脑肿瘤的输出和推理节点。

综上所述,该项研究证明了如可将SRH与深度学习相结合,不会 快速预测术中脑肿瘤的诊断。该工作流程提供了四种 透明的办法,在神经病理学资源稀缺的状态下提供专家级的术中诊断,并提高资源充足的中心的诊断准确性。该工作流程还允许外科医生近乎实时地访问组织学数据,从而促进更无缝地使用组织学,为基于显微组织形态的手术决策提供信息。

“AI不怕火炼”:SRH+CNN与常规HE组织学的前瞻性临床试验

利用激光成像和人工智能,研究人员促进在1000秒内诊断出脑肿瘤

研究过程与结果:SRH+CNNs“双剑合璧”,铸就脑肿瘤诊断新式利器,并在双臂前瞻性临床试验中得到有效证明

该研究提出的四种 新的人工智能系统,促进在1000s以内准确诊断出脑肿瘤,而病理学家通常时需20到1000分钟或更长时间。

云栖号:https://yqh.aliyun.com

第一手的上云资讯,不同行业精选的上云企业案例库,基于众多成功案例萃取而成的最佳实践,助力您上云决策!

云栖号:https://yqh.aliyun.com

第一手的上云资讯,不同行业精选的上云企业案例库,基于众多成功案例萃取而成的最佳实践,助力您上云决策!

百年沧桑的冰冻切片手术

https://jamanetwork.com/journals/jama/article-abstract/202069

通过利用光学和人工智能的进步,研究团队为显微成像和诊断开发了原来简化的工作流程,从而改善了哪些障碍。

【新智元导读】《Nature》旗下顶级医学期刊《Nature Medicine》杂志最近发表重量级研究:AI不会 在手术期间1000s内诊断脑肿瘤,所需时间仅为医学专家的一小每段,但准确度却与人类专家难分伯仲。SRH+CNNs“双剑合璧”还对有些多个科室均具有极大帮助的潜力,必将造福于更多患者。

对基于深度学习的算法进行严格临床评估的重要性四种 ,但会 研究团队开展了原来双臂、前瞻性、多中心、非劣效性临床试验,来比较病理学家解释常规组织学图像(对照组)与CNN SRH图像分类(实验组)的准确性。对下发到的新鲜脑肿瘤样本(n=278),在术中被分成姐妹样本(Sister Specimens),随机分为对照组和实验组。哪些诊断以后 根据与手术后进行的更长和更广泛的检查结果否有相一致来判断正确否有。研究结果显示,常规HE组织学臂的总诊断准确率为93.9%(261/278),SRH+CNN臂的总诊断准确率为94.6%(264/278),超过了非劣效性的主要终点阈值(>91%)

全世界每年约有158万人被诊断出患有癌症,超过1000%的患者将接受手术治疗。在有些状态下,切除的肿瘤的一每段是在手术中进行的分析,以提供初步诊断,并确保样本足以进行最终诊断并指导手术治疗。术中组织学的传统工作流程不会 追溯到另原来世纪前,它时需将组织运送到实验室、标本处里、由训练有素的技术人员进行载玻片制备、病理学家进行解释,每一步都但会 构成提供及时有效的外科护理的潜在障碍。术中诊断对癌症患者在手术期间提供安全有效的护理至关重要!

研究结论:SRH+CNNs不仅完美演绎术中脑肿瘤的快速诊断,但会 对有些多个科室均具有极大帮助的潜力,必将造福于更多患者

新技术还促进检测到传统办法但会 遗漏的有些细节,类事肿瘤沿神经纤维的扩散;与传统办法不同,人工智能办法不让破坏样本,但会 组织不会 再次用于更多的检测。