?
High-accuracy eosinophil detection in eosinophilic esophagitis histological images using machine learning model YOLO11
Цель исследования. Оценить эффективность модели машинного обучения (МО) с трансформерной архитектурой YOLO11 (и ее дообученной версии) для автоматизированной сегментации и детекции эозинофилов на гистологических изображениях с различным качеством фиксации, окрашивания тканей и срезов в условиях рутинной клинической практи- ки, для улучшения точности диагностики эозинофильного эзофагита (ЭоЭ).
Материал и методы. Проведен многоцентровый ретроспективный анализ гистологических изображений, полученных ме- тодом полного сканирования стекол (whole slide imaging — WSI) 60 пациентов с ЭоЭ. Вручную проанализированы и раз- мечены 54 из 653 изображений срезов ткани. Подготовленный датасет использовали для обучения модели YOLO11. Результаты. К 150 эпохе обучения модели показатели точности (precision) и полноты (recall) для ограничивающих рамок (bounding boxes) стабильно улучшались, а показатель recall в итоге составил 0,98, что свидетельствует об очень высокой чувствительности модели к целевым областям на изображении (к эозинофилам). Показатель коэффициента сходства Жак- кара (IoU) достиг 0,94, что указывает на высокую эффективность модели в точной локализации и сегментации эозино- филов на гистологических изображениях. Учитывая, что модель также хорошо работает с точки зрения precision и recall как для ограничивающих рамок, так и для масок, это дополняет ее возможности сегментации, обеспечивая четкое и точ- ное определение границ эозинофилов. В ходе оценки качества работы модели на новых неразмеченных данных мы выяви- ли ряд ограничений с необходимостью дальнейшей доработки. В частности, отмечена сниженная эффективность при ра- боте со скоплениями эозинофилов.
Заключение. Разработанное нами решение на основе модели YOLO11 представляет шаг вперед в автоматизации гистоло- гической оценки эозинофильного эзофагита, предлагая высокоточный инструмент для анализа эозинофильной инфильтра- ции. Перспективным направлением дальнейших исследований станет разметка дополнительного набора WSI-изображений, дообучение модели и эксперименты с моделями, основанными на концепции визуальных трансформеров (vision transformer). Результаты сегментации и определения пикового эозинофильного числа предстоит ретроспективно сравнить с пиковым эозинофильным числом, определенным патологоанатомами при световой микроскопии.