基于深度学习的肾脏慢性指数定量评估：溶血性肾炎中的应用
图像与视频处理
2025-03-31 v1 计算机视觉与模式识别
摘要
背景：肾脏慢性指数（CI）已被识别为溶血性肾炎（LN）患者长期预后的强预测因子。然而，病理学家的评估受到诸多挑战的制约，如大量的时间要求、高度的观察间变异以及易疲劳等问题。本研究旨在开发一种有效的深度学习（DL）管道，用于自动化评估CI，并从疾病特定的角度提供有价值的预后见解。方法：我们策划了一个数据集，包含282个切片，来自141名患者，涵盖两个独立的队列，并拥有完整的10年随访记录。我们的DL管道在训练队列中以60个切片（22,410个补丁图像）来自30名患者的条件下开发，并在内部测试集（148个切片，77,605个补丁图像）和外部测试集（74个切片，27,522个补丁图像）上进行评估。结果：本研究包括两个队列，人口学特征存在轻微差异，尤其在年龄和血红蛋白水平方面。DL管道在组织 compartments 和病理学病灶上的分割性能表现良好，超过了当前最先进的方法。DL管道还显示出与病理学家在评估CI时的强相关性，显著提高了观察间一致性。此外，DL管道在结合临床参数和病理学家评估的CI时，增强了预后准确性，尤其是在预测结局方面。结论：DL管道在评估LN中的CI方面表现出准确性和效率，显示出在提高病理学家之间的观察间一致性方面的潜力。它在预后分析中展现出显著价值，增强了LN患者的预后预测，为临床决策提供了有价值的工具。
引用
@article{arxiv.2503.21818,
title = {Deep Learning-Based Quantitative Assessment of Renal Chronicity Indices in Lupus Nephritis},
author = {Tianqi Tu and Hui Wang and Jiangbo Pei and Xiaojuan Yu and Aidong Men and Suxia Wang and Qingchao Chen and Ying Tan and Feng Yu and Minghui Zhao},
journal= {arXiv preprint arXiv:2503.21818},
year = {2025}
}