使用无需编程的AI辅助图像分类进行分类的男性不孕症评分

使用无需编程的AI辅助图像分类进行分类的男性不孕症评分
所有图像均为X400放大倍数。使用谷歌云自动化视觉的算法性能,图像数据集的平均精度查全曲线,放大倍数X400。信贷:Hideyuki小林

由Toho大学Omori Medical Centre的Hideyuki Kobayashi博士领导的研究小组开发了一个AI辅助图像分类器,为含有杂草症患者的组织学睾丸图像提供分数。泌尿科医师Kobayashi博士的目标是为日常临床实践环境创造一种易于使用的病理检查方法。有了它,睾丸图像可以分为82.6%的准确性。

不育对女性和男性的影响相同。在在美国,无精子症(精液中没有精子)是阻碍一对夫妇生育孩子的一个主要问题。对于无精子症患者的治疗,需要睾丸精子提取(TESE)以获得成熟的精子。在检查组织学标本时,根据睾丸的组织病理学特征,通常用约翰森评分(Johnsen score)从1到10进行评分。

Johnsen评分自从50年前首次被报道以来,已经在泌尿学中广泛应用。然而,睾丸的组织病理学评估并不是一项简单的任务,需要花费大量的时间,因为睾丸组织在精子发生的多个高度专业化步骤中产生的复杂性。我们的目标是利用人工智能技术简化这一耗时的诊断步骤。为了做到这一点,我们选择了谷歌的自动机器学习(AutoML)视觉,它不需要编程,为单个患者数据集创建一个人工智能模型。有了AutoML Vision,没有编程技能的临床医生可以在没有数据科学家帮助的情况下使用深度学习建立自己的模型,”Toho大学医学院泌尿学系副教授Hideyuki Kobayashi博士说(图1)。

“我们创建的模型可以在不需要病理学家帮助的情况下对睾丸的组织学图像进行分类。我希望我们的方法能够帮助任何医学领域的临床医生建立基于人工智能的模型,可以用于日常临床实践。”

使用无需编程的AI辅助图像分类进行分类的男性不孕症评分
研究中使用的四种标签的Johnsen评分和分类。信贷:Hideyuki小林

为了简化Johnsen评分在临床实践中的使用,Kobayashi博士定义了四个标签:Johnsen评分1 - 3,4 - 5,6 - 7和8-10(图2)。他和他的合作者获得了一个7155张图像的数据集,放大X400。所有图片均上传至谷歌云自动化视觉平台。对于X400放大图像数据集,算法的平均精度(正预测值)为82.6%,精度为80.31%,查全率为60.96%(图3)。

AI已经受欢迎,正在应用于所有医学领域。然而,在医院的临床医生中使用AI的使用仍然受到援助的帮助下的正确使用AI的帮助。“基于云的我们使用的框架是为每个人的。它可以成为医学中的一种强大的工具,即在不久的将来,医院的医生将使用基于AI的医学图像分类器,以便他们现在使用Microsoft PowerPoint或Excel的方式,“Kobayashi博士说。他补充说,“最困难的部分是拍摄睾丸病理学的图像,并且非常耗时。两个同事们很难获得研究中使用的所有图像。我非常感谢他们的专业努力。“

Kobayashi博士的集团已经描述了开发基于AI的算法,用于评估组合原始图像(X400)的Johnsen分数,这实现了高精度。这是一个算法的第一个报告,可用于预测约翰努斯分数,而无需依赖病理学家和数据科学专家。


进一步探索

研究检测睾丸癌症的男性精子

更多信息:Yurika Ito等,一种利用自动化机器学习的方法,基于Johnsen分数,睾丸组织病理学分类科学报告(2021)。DOI:10.1038 / s41598-021-89369-z
期刊信息: 科学报告

由东丰大学提供
引用:使用AI辅助图像分类的男性不育性评分要求没有编程(2021,5月10)从HTTPS://medicalXpress.com/news/2021-05-male-infertility-coning-image中检索的编程(2021,5月10日)。HTML.
此文件受版权保护。除作私人学习或研究之公平交易外,未经书面许可,任何部分不得转载。本内容仅供参考之用。
11股票

反馈到编辑

用户评论