更好的卵巢癌诊断铺平了道路

由她的论文导师,与公元前癌症机构的科学家合作,西蒙弗雷泽大学博士生正在开发一种更快、更可靠的方法来诊断卵巢癌。

计算机科学学生艾莎BenTaieb设计学院医学图像的计算机辅助诊断系统分析实验室,将更准确和更快速识别卵巢癌的许多亚型比当前的技术。

目前,在治疗开始之前,病理学家使用显微镜来确定从恶性卵巢肿瘤组织样本。根据OVCARE,公元前卵巢癌的研究小组,每三个半小时在加拿大一个女人被诊断为卵巢癌症的最致命的和最难理解的癌症。时间是极其重要的。

与研究,帮助学院计算机科学教授Ghassan Hamarneh和公元前癌症病理学家Drs。大卫·亨茨曼和赫克托耳李Chang BenTaieb自动化系统将加快决策,适当化疗或放射疗法。

“传统分类等技术因素很容易受损的照明和病理学家的经验,“BenTaieb解释道。“尽管诊断指南,每个疾病的病理学家有他或她自己的理解,和视觉上的行为分类仍然是主观的东西。分类也可以是昂贵的,非专业病理学家需要长时间的培训,可能需要额外的测试。”

BenTaieb计算机原型设定适当的癌症亚型分类使用expert-annotated组织样本图片。他们有一个商定的亚型通过生物测试验证。

系统内置的人工智能就能够解释组织样本,确定适当的癌症亚型通过比较样本标注图像的视觉外观。

到目前为止,已经承诺的结果。系统已经正确地分类亚型在超过92%的情况下。