目的 开发基于人工智能算法的非酒精性脂肪性肝病(NAFLD)病理特征识别模型,探究模型能否识别并可视化脂肪变性细胞、炎症细胞和纤维化等病理特征.方法 选择65只NAFLD小鼠的肝组织H-E染色和天狼猩红染色病理切片各65张,通过数字化扫描获得数字病理切片.对于H-E染色切片,使用CaseViewer 2.3软件在放大200、300、400倍后截取病变部位图像各2张,共获得390张脂肪变性细胞病理图像和390张炎症细胞病理图像;将图像上传至Horizope标注平台进行手动标注,然后通过数据增强得到2340张脂肪变性细胞图像及2340张炎症细胞图像;按4:1:1划分为训练集、验证集和测试集,其中训练集(1560张)、验证集(390张)用于U-Net深度学习模型的训练学习和参数迭代,测试集(390张)用于模型的识别分析.采用Dice相似系数(DSC)、平均交互比(MIoU)、平均准确度(MA)和灵敏度对模型性能进行评估.对于天狼猩红染色切片,使用CaseViewer 2.3软件在放大50倍后进行全视野截取,采用了颜色特征提取算法进行纤维化识别.对130张数字病理切片进行人工NAFLD活动度积分(NAS)评分和机器评分,并计算和分析脂肪变性细胞面积占比(PFA)、炎症细胞密度(DIC)和纤维化面积占比(RFA).结果 基于人工智能算法的NAFLD病理特征识别模型识别脂肪变性细胞的DSC为0.87,MIoU为0
作者：孙丹辉；荣义辉；廖心怡；潘雅婷；王珏；黄萍；朱思越；柳苏桐；王亚妮；杜帆；于观贞
来源：海军军医大学学报 2022 年 43卷 9期
