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

疾病 任务 数据集(张)

组织来源及

染色类型

方法 性能 文献
狼疮肾炎 病变肾小球多分类 训练集:349;测试集:321 人(PAS) CNN 平均精准度80.7% Zheng等[34]

糖尿病肾脏

疾病

肾小球的识别与分类 总数:78 人、小鼠(PAS) CNN 与病理学家一致性Cohen’s kappa=0.55 Ginley等[37]
糖尿病肾脏疾病的辅助诊断 总数:855 人(免疫荧光) CNN 5个程序完全诊断糖尿病肾脏疾病(AUC=1.000) Kitamura等[38]
肾脏疾病的分类 总数:600 人(超微结构) CNN 糖尿病肾脏疾病:精确度88.89%;召回率66.67% Hacking等[39]
IgA肾病 识别肾小球病变类型并且量化肾小球固有细胞 总数:400 人(PAS) CNN

评估全球硬化、节段硬化和新月体的Cohen's kappa分别为1、0.776、0.861;识别肾小球固有

细胞准确率为92.2%

Zeng等[40]
分析肾脏组织学图像与临床变量之间的关系 总数:68 人(HE) CNN

组织学评分与尿蛋白、收缩压及尿潜血等临床

指标相关

Sato等[41]
膜性肾病

对具有“钉突”样结构

肾小球的分类

总数:1 015;

训练集914;

测试集101

人(PASM) CNN 准确率94.05% Wu等42
表2 人工智能辅助肾脏疾病的病理诊断
本文的其它图/表