智能图像分析在IgA肾病免疫荧光病理诊断中的应用
目的 依靠深度学习的智能图像分析对IgA肾病精确检测及诊断,使临床采取有效的防治手段,是减少终末期肾病的发病率及病死率的关键.方法 选取2016年1月至2019年6月我院肾病科收治的肾病病例共452例,排除因肾穿刺送检标本数量少,无法出具病理诊断;排除肾穿刺病理诊断疑似诊断者,排除未行免疫荧光检查患者后,确诊IgA肾病患者共135例进行图像分析,采用国际通用5级半定量法评价,选择传统图像处理方法分割提取荧光沉积区域.将输入图像进行颜色空间转换,在颜色和亮度两个特征维度,采用自适应阈值方法产生二值化图像.然后使用区域分离与合并,获得独立的沉积区域,再计算各个沉积区域的轮廓、面积和平均亮度,得出计算机自动识别荧光沉积强度和形状的过程.结果 基于深度学习的人工智能图像分析能实现对IgA肾病免疫荧光结果的判读,与病理诊断医生结果相比符合率较高,IgA达88.9%,IgG达85.8%,IgM达83.8%,C3达88.6%,因此其可以协助病理诊断医生对IgA肾病免疫荧光的判读.结论 充分利用计算机技术及网络技术改变病理工作流程,提高病理诊断医生的工作效率,减少因疲劳阅片发生的误诊率,使病理诊断更加精准及客观.
IgA肾病、免疫荧光、智能图像分析、深度学习
59
R737.9(肿瘤学)
浙江省医药卫生科技计划项目2019PY084
2021-05-20(万方平台首次上网日期,不代表论文的发表时间)
共5页
147-151