Identification des images d'organes macroscopiques post-mortem à l'aide d'un réseau de neurones convolutifs pré-entraîné

L'identification des organes/tissus et des pathologies sur des images radiologiques et microscopiques peut être réalisée à l'aide de réseaux de neurones convolutifs (CNN). Cependant, il existe peu d'études sur l'application des CNN aux images macroscopiques post-mortem des organes viscéraux. Cette étude de preuve de concept a utilisé 537 images macroscopiques post-mortem de cerveaux, cœurs, poumons, foies, rate et reins disséqués, qui ont été divisées au hasard en ensembles de données d'entraînement et d'enseignement pour le CNN Xception pré-entraîné. Le CNN a été entraîné à l'aide de l'ensemble de données d'entraînement et testé par la suite sur l'ensemble de données de test. Les précisions globales étaient >95 % pour les ensembles de données d'entraînement et de test et ont un score F1 de >0,95 pour tous les organes disséqués. Cette étude a montré que de petits ensembles de données d'images post-mortem peuvent être classés avec une très haute précision en utilisant un CNN pré-entraîné. Ce domaine nouveau a le potentiel d'une application future dans l'exploration de données, l'éducation et l'enseignement, la révision de cas, la recherche, l'assurance qualité, les audits et l'identification de pathologies.