换一批毒性病理学及人工智能数字组织图像分析质量控制概述
Overview of quality control for digital tissue image analysis in artificial intelligence and toxicologic pathology
摘要随着人工智能和机器学习的快速发展,人工智能对全切片图像的诊断几乎可以媲美病理学家,建立人工智能算法需要大量的数字组织图像训练集数据.数字组织图像分析是通过各种算法分析全切片图像,并从其中提取大量复杂的定量数据集.数字组织图像分析的质量控制不仅非常重要,而且是确保建立高质量数据集和AI算法的基础和前提.本文简要概述了全切片图像的质量控制策略、数字组织图像分析的影响因素和质量控制方法、数字组织图像分析结果的质量控制方法、毒性病理学家在数字组织图像分析中的作用、数据解释和报告以及数字组织图像用于毒性病理学诊断及AI的挑战,以期为我国药物非临床安全性评价毒性试验中使用全切片图像进行毒性病理学诊断及建立AI各种算法提供一定参考.
更多相关知识
关键词
毒性病理学人工智能数字组织图像分析质量控制全切片图像toxicologic pathologyartificial intelligencedigital tissue image analysisquality controlwhole slide images
分类号
R99（毒物学《毒理学》）
栏目名称
DOI
10.3969/j.issn.1003-3734.2024.05.004
发布时间
2024-04-02（万方平台首次上网日期，不代表论文的发表时间）
基金项目
江苏省新药一站式高效非临床评价公共服务平台建设项目（BM2021002）
- 浏览0
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
