病理学家与人工智能合作框架，助力提升诊断准确性与效率！_a pathologist–ai collaboration framework for enhan-优快云博客

这篇文章的标题是《A pathologist–AI collaboration framework for enhancing diagnostic accuracies and efficiencies》，发表在《Nature Biomedical Engineering》上。这篇文章介绍了一个名为nuclei.io的数字病理框架，它通过结合人工智能（AI）和机器学习（ML）技术，以及主动学习与人机交互反馈，来提高病理诊断的准确性和效率。文章通过两个用户研究验证了该框架的有效性，一个研究聚焦于子宫内膜活检中浆细胞的识别，另一个研究关注于结直肠癌转移到淋巴结的检测。

一、文章概述

1.研究方法：

描述了人类交互式学习系统nuclei.io的开发，包括软件的开发环境、用户界面、核分割、特征计算和主动学习策略。

提供了专家训练的ML研究和个性化ML模型研究的设计和方法，包括参与者的招募、伦理审查、数据排除、随机化、盲法和统计分析。

2.nuclei.io数字病理框架：

研究者描述了一个名为nuclei.io的数字病理框架，该框架结合了主动学习和实时反馈的人机交互，以快速创建多样化的数据集和模型。

通过两个交叉用户研究验证了该框架的有效性，包括子宫内膜活检中浆细胞的识别和淋巴结中结直肠癌转移的检测。

Figure 1：展示了nuclei.io框架和研究设计的概览，包括从全切片图像（WSI）预处理到最终推荐的流程，以及研究中使用的交叉设计。

二、核心技术

1.人工智能（AI）和机器学习（ML）算法：用于开发能够辅助病理诊断的模型，包括细胞或组织分割、图像分类、患者预后和淋巴结转移识别等。

2.数字病理框架nuclei.io：一个结合了主动学习和人机交互实时反馈的数字病理框架，用于快速创建多样化的数据集和模型。

3.主动学习（Active Learning）：一种策略，通过选择性地标记数据来提高学习效率，特别是在数据标记成本高或数据量大的情况下。

4.人机交互（Human-in-the-Loop）：一个系统设计，允许病理学家与AI系统交互，提供实时反馈，以提高模型的准确性和透明度。

5.核分割（Nuclei Segmentation）：使用stardist方法进行核分割，这是图像处理中的关键步骤，用于从病理切片图像中分离出单个细胞核。

6.特征提取（Feature Extraction）：包括手工制作的可解释特征和深度学习特征，用于训练和优化ML模型。

7.深度学习预训练模型：使用预训练的深度学习模型（如ConvNeXt Tiny）来提取特征嵌入，这些模型在大型数据集（如ImageNet）上进行预训练，然后针对特定的病理学数据进行微调。

8.实时人类交互式学习（Real-time Human-in-the-Loop Learning）：允许系统在实时环境中快速适应新数据，并在后续迭代中进行模型更新。

9.个性化ML模型（Individualized ML Models）：允许病理学家根据自己的数据和需求快速构建和调整ML模型。

10.模型性能评估：使用各种指标（如准确性、敏感性、F1分数和真阳性率）来评估ML模型的性能。

三、实验效果

Figure 2：评估了病理学家-AI合作框架在PC（浆细胞）识别专家训练ML（机器学习）研究中的性能，包括准确性、敏感性和精确性的比较，以及混淆矩阵。

Figure 3：评估了病理学家-AI合作在PC研究中时间效率的提高，包括总体时间比较和不同病理学家组的时间比较。

Figure 4：展示了个体化ML模型在CRC（结直肠癌）淋巴结转移检测研究中的研究设计，包括病理学家数量、病例数量、淋巴结数字切片数量和整体统计数据。

Figure 5：展示了个体化ML模型的时间效率和结果，包括不同放大倍数下淋巴结的检查时间，以及ML模型性能与敏感性提高之间的关系。

Extended Data Fig. 1：展示了结直肠癌淋巴结识别研究中的时间比较。

Extended Data Fig. 2：展示了实验数字切片中的一个淋巴结，其中肿瘤区域用绿色矩形标记，肿瘤细胞用红色散点标记。

Extended Data Fig. 3：评估了个体化模型性能对假阴性的影响。

Extended Data Fig. 4：展示了将浆细胞分类器应用于结直肠组织外部数字切片的截图。

如何学习AI大模型？

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。