1. 我是CIO首页
  2. 资讯
  3. 健康医疗

印度科学家开发检测宫颈癌的软件

古瓦哈提科学技术高级研究院(IASST)的研究人员设计了一种功能强大的,基于软件的可靠解决方案,该方案使用子宫颈抹片检查图像来检测子宫颈组织的异常生长或发育,该子宫颈的下部连接到阴道的子宫。

他们的工作最近发表在《组织与细胞》杂志上。宫颈癌是印度女性中最普遍的癌症之一,在印度东北部的女性中更是如此。

“与2018年全球13.1%的发病率和印度东北部的14.7%的发病率相比,它超过了24.3%,从而给该地区带来了令人担忧的健康问题。由于缺乏足够的治疗设施,患者不得不迁往城市,主要是新德里,孟买和金奈。Lipi B Mahanta和她的团队在2012年进行的一项调查显示,缺乏自动化系统会妨碍对该疾病的及时诊断。

印度科学家开发检测宫颈癌的软件

子宫颈抹片检查是宫颈癌早期诊断中最流行的技术。通过在显微镜下严格分析从涂片收集物中制备的载玻片来进行诊断。在印度,使用两种方法制备载玻片:常规方法和液基细胞学(LBC)。

作者建立了一个包含两种本地巴氏涂片图像数据库的数据库,每种数据库分别用于常规细胞学和基于液体的细胞学(LBC),并使用它来创建具有不同质量图像的算法,这些算法是由不同的技术人员准备并从不同的显微镜捕获的。该算法帮助开发了强大的软件来检测子宫颈癌。

假设该软件将基于本地数据集而不是公开属于其他国家的患者数据集将更加坚固,这是由Bauooah癌症研究所,Gauhati医学院和Ayursundra Healthcare Pvt 医院的帮助下生成的。Ltd和Guwahati的ASMI,以及Manipur的Imphal的Babina Diagnostics。

该小组采用了用于巴氏涂片诊断的Bethesda系统。然后,团队采用了两种人工智能(AI)方法-机器学习和深度学习。

在传统数据集上采用第一种方法后,该小组报告了一种自动分割宫颈细胞的新算法,可从整个玻片图像中去除诸如炎症细胞和红细胞之类的碎片,包括改进处理不良染色图像的能力。研究人员面临的主要挑战。

夏令时说:“该小组使用集成机器学习算法达到了96.5%的准确率,该算法对宫颈涂片图像的形状,颜色和纹理特征进行了分析,以对宫颈发育不良进行自动分类。”

在执行第二种方法时,该团队报告了最早的研究之一,使用常规数据集,提出了一种采用改进的卷积神经网络的新颖分类技术。

创建了一个重要的数据集后,该团队接下来探索了最新的深度学习技术,例如同时实例分割和分类算法,以进行有效的Pap涂片图像解释,分析和预测。

该团队开发了一种新颖的分类算法,准确度达到98.8%,可以识别癌前病变和癌症病变,同时精确定位宫颈细胞,清除包括重叠细胞在内的碎片,然后根据Bethesda系统命名法对其进行分类。

该团队计划在进行大量的现场试验后,创建一个易于携带的诊断工具包,并在基于Web的平台上托管和销售。

“诸如机器学习和深度学习之类的AI的使用是快速,廉价和准确的各种病理学诊断的下一个重要领域。这是IIT中科学技术部建立的网络物理系统中心的重点领域。” DST秘书Ashutosh Sharma教授说。

本文为作者 三石 独立观点,并不代表 我是CIO 立场。

发表评论

登录后才能评论