跨器官部署EOS检测AI而无需重新训练：可行性与限制
图像与视频处理
2024-11-26 v1 计算机视觉与模式识别
摘要
慢性鼻童炎(CRS)以持续的黏膜炎症为特征，导致鼻塞、面部压力、嗅觉功能障碍和变色鼻出液等典型症状，这些症状显著影响生活质量。嗜中性粒细胞(Eos)，作为黏膜免疫反应的关键成分，与CRS病情严重程度相关。EOS诊断通常使用10-20个高倍视野(HPF)计数。然而，手动计数组织样本中的Eos既费时又费力，使得基于AI的自动化评估方法备受推崇。值得注意的是，Eos主要位于胃肠道(GI) tract中，这促使大量基于GI数据训练的深度学习模型陆续发布。本研究利用最初在上游GI数据上训练的CircleSnake模型，对鼻组织全切片图像(WSI)中的Eos细胞进行分割。旨在确定针对GI tract开发的Eos分割模型在无需重新训练的情况下可被适用于鼻部应用的程度。实验结果显示，尽管在某些WSI上表现令人鼓舞，但令人意料之中的是，性能在不同病例之间存在差异。本文详细阐述了这些性能结果，探讨了导致此类差异的原因，并旨在为未来开发针对 eosinophilic CRS 的深度学习模型提供指导。
引用
@article{arxiv.2411.15942,
title = {Cross-organ Deployment of EOS Detection AI without Retraining: Feasibility and Limitation},
author = {Yifei Wu and Juming Xiong and Tianyuan Yao and Ruining Deng and Junlin Guo and Jialin Yue and Naweed Chowdhury and Yuankai Huo},
journal= {arXiv preprint arXiv:2411.15942},
year = {2024}
}
备注
8 pages, 5 figures. Accepted by SPIE Medical Imaging 2025 on October 28, 2024