MACHINE LEARNING IN PATHOLOGY: A PRIMER ON TECHNIQUES AND APPLICATIONS.
Machine learning based algorithms have had numerous recent successes in medical image analysis. In particular, convolutional neural networks have, in the past several years, become the preferred approach for these applications, owing to their ability to extract high-level features and relationships...
| Publicado en: | Canadian Journal of Pathology Vol. 10; no. 3; pp. 51 - 60 |
|---|---|
| Autores principales: | , , , |
| Formato: | Journal Article |
| Publicado: |
Canadian Association of Pathologists
2018
|
| Acceso en línea: | Ver este registro en EBSCOhost |
| fields | @attributes: recordID: 1 pdfLink: plink: https://search.ebscohost.com/login.aspx?direct=true&db=ccm&AN=139556875&site=ehost-live header: @attributes: shortDbName: ccm uiTerm: 139556875 longDbName: CINAHL Complete uiTag: AN controlInfo: bkinfo: dissinfo: jinfo: jid: 1918915X B17Q jtl: Canadian Journal of Pathology issn: 1918915X maglogo: N pubinfo: dt: 2018 vid: 10 iid: 3 pid: 62888 pub: Canadian Association of Pathologists place: Kingston, Ontario artinfo: ui: 139556875 139556875 ppf: 51 ppct: 9 formats: fmt: @attributes: type: P tig: atl: MACHINE LEARNING IN PATHOLOGY: A PRIMER ON TECHNIQUES AND APPLICATIONS. aug: au: Levine, Adrian B. Grewal, Jasleen K. Jones, Steven J. M. Yip, Stephen affil: Department of Pathology and Laboratory Medicine, Vancouver General Hospital, Vancouver, BC, Canada sug: ab: Machine learning based algorithms have had numerous recent successes in medical image analysis. In particular, convolutional neural networks have, in the past several years, become the preferred approach for these applications, owing to their ability to extract high-level features and relationships from complex images. In this review, we discuss these computational techniques and their applications in pathology and other areas of medicine. In histopathology, machine learning has been applied to screen slides for tumour deposits, quantify morphological features and immunohistochemical staining, and classify disease types. This can be used both as a quality assurance mechanism, as well as to extract information from slides that would not discernible by visual inspection. With state-of-the-art computer algorithms available as open source and the increasing effectiveness of slide digitization technology, we anticipate rapid advances in this field in the future. Les algorithmes basés sur l'apprentissage machine ont récemment été associés à de nombreux succès dans le secteur de l'analyse des images médicales. En particulier, les réseaux de neurones à convolution sont devenus, au cours des dernières années, l'approche privilégiée pour ce type d'analyses, en raison de leur capacité à extraire d'images complexes des rapports et des caractéristiques d'une grande précision. Dans cet article, nous traitons de ces techniques de calcul et de leurs applications en pathologie et dans d'autres domaines de la médecine. En histopathologie, par exemple, l'apprentissage machine est utilisé pour repérer la présence de dépôts tumoraux sur des lames, quantifier les caractéristiques morphologiques et la coloration immunohistochimique, et classifier les types de maladies. On peut s'en servir comme mécanisme d'assurance de la qualité ou pour extraire de l'information de lames qu'on ne serait pas en mesure d'obtenir au moyen d'un simple contrôle visuel. Alors que des algorithmes informatiques de pointe sont offerts en accès libre et que l'efficacité des technologies qui permettent la numérisation des lames augmente, nous prévoyons que ce domaine connaîtra une évolution rapide au cours des prochaines années. pubtype: Academic Journal doctype: Journal Article ougenre: Article language: Multiple languages refInfo: holdings: @attributes: islocal: N |
|---|