图/表 详细信息

人工智能在肾活检组织结构识别及病理诊断中的应用
王欣瑜, 张丁丹, 韩伟霞, 王晨, 李荣山
中华肾脏病杂志, 2024, 40(5): 403-410.   DOI: 10.3760/cma.j.cn441217-20230821-00829

图像类型 目标 任务 数据集(张) 组织来源及染色类型 方法 性能 文献
全玻片数字扫描技术(WSI) 正常肾小球 正常肾小球的识别与分割 训练集:25;测试集:9

小鼠(HE);大鼠(HE、PAS、Jones、Gomori、

刚果红);人(PAS)

CNN 准确率>90.0%;召回率>70.0% Simon等11
三色染色法肾小球的识别 训练集:74;测试集:13

大鼠(Gomori或

Masson染色)

CNN 平均精确度(96.9%);召回率(96.8%) Bukowy等28
四种染色中肾小球的分割 训练集:52;测试集:19 人(HE、PAS、PASM、Masson) CNN 机构内敏感性(90.0%~93.0%);机构内特异性(86.0%~98.0%);机构间敏感性(77.0%);机构间特异性(97.0%) Wilbur等29
正常肾小球的分割 训练集:955;测试集:250 人(PASM) CNN 精确度(99.2%);召回率(97.0%) Liu等12
硬化肾小球 正常和硬化肾小球的分类

训练集:31;测试集:20

人(PAS、HE) CNN F1评分:PAS下正常和硬化肾小球分别为97.5%和68.8%;HE下正常和硬化肾小球分别为90.8%和78.1% Gallego等13
硬化肾小球的识别与分类

总数: 7 841;

训练集:60%;验证集:20%;测试集:20%

人(PAS) 迁移学习 预训练数据集F1评分:77.8% Lu等30
正常肾小球、硬化肾小球、伴其他病变的肾小球的识别与分类

训练集:7 193;

验证集:1 472

人(HE、PAS、Masson) CNN F1评分:总肾小球、正常肾小球、硬化肾小球、伴其他病变的肾小球分别为94.0%、83.9%、80.6%、75.3% Jiang等31
增生性肾小球 有无增生性改变的肾小球的识别

总数:811;

训练集:90%;测试集:10%

人(HE、PAS) kNN 精确度(92.3%);召回率(88.0%);准确率(88.3%) Barros等14
增生性肾小球的二元及多元分类 总数:811 人(HE、PAS) CNN+SVM 平均准确率:二元分类(正常和病变)接近100.0%;多元分类(系膜、内皮、两种)82.0% Chagas等15
伴多种病理改变的肾小球 不同特征肾小球的分类 总数:293 人(PAS) ResNet50 CNN

ROC曲线下面积:0.65~0.98

(纤维性新月体:0.91)

Yamaguchi等16
IgA肾病肾小球病变的分类 训练集:85;测试集:80 人(PAS) CNN 准确率93%;F1评分:92.9% Nan等32
肾脏其他结构的识别、分割与分类 正常和异常肾小管的分类

总数:311;

训练集:80%;测试集:20%

人(PAS) CNN 肾小球Dice系数 0.88;正常、异常肾小管Dice系数 0.76、0.67;动脉Dice系数 0.059;间质Dice系数 0.81 Hara等18
肾活检的多类分割 训练集:37;测试集:3 人(PAS) CNN Dice系数 0.79 Hermsen等19
硬化肾小球与萎缩肾小管的分割和分类 验证集:830 人(PAS) CNN 肾小球Dice系数:0.952 9;肾小管Dice系数:0.917 4 Salvi等20
量化正常与硬化肾小球、间质纤维化、肾小管萎缩、炎症

训练集:63;验证集:16;测试集:20

人(PAS) CNN 精确度:肾小球 96.0%,硬化肾小球 78.0%,萎缩肾小管 44.0%;间质 91.0% Hermsen等21
免疫荧光图像 肾小球免疫球蛋白 免疫球蛋白沉积的特征:外观、分布和位置 训练集:11 059;验证集:200;测试集:1 000 人(免疫荧光) CNN 准确率:79%(毛细血管袢不规律沉积)~94%(细颗粒样沉积) Ligabue等23
免疫球蛋白沉积位置及方式 总数:1 848;训练集:80%;测试集:20% 人(免疫荧光) MANet 准确率(98%和95%) Zhang等24
超微结构图像 肾小球基底膜 肾小球基底膜的分割 训练集:330;测试集:21 人(超微病理图像) RFS Jaccard值>0.75 Cao等26
肾小球基底膜的分割 总数:18 928 人(超微病理图像) CNN Dice系数 0.857±0.001 林国钰等27
表1 AI辅助肾脏结构的识别与分割
本文的其它图/表