Download PDF
TumorDiagnostik & Therapie 2020; 41(10): 666-668
DOI: 10.1055/a-1243-1661
Schwerpunkt Neue Substanzen und Wirkprinzipien

Zytomorphologische Diagnostik mithilfe von künstlicher Intelligenz (KI)

Christian Matek
,
Karsten Spiekermann
,
Carsten Marr
› Further Information
Also available at
    Permissions and Reprints

Vielversprechende Impulse für die computerbasierte Unterstützung der morphologischen Diagnostik kommen aus der digitalen Bildanalyse. Dort erlauben künstliche neuronale Netzwerke die präzise, bildbasierte Klassifikation von Leukozyten. Dieser Beitrag beschreibt Voraussetzungen, Chancen und Grenzen dieser Technologie.

Publication History

Article published online:
01 December 2020

© 2020. Thieme. All rights reserved.

Georg Thieme Verlag KG
Rüdigerstraße 14, 70469 Stuttgart, Germany

 

  • Literatur

  • 1 Virchow R. Weisses Blut. Froriep’s Notizen 1845; 36: 151-156
    PubMedGoogle Scholar
  • 2 Wei AH, Löwenberg B, Bloomfield CD. Diagnosis and management of AML in adults: 2017 ELN recommendations from an international expert panel. Blood 2017; 129: 424-447
    CrossrefPubMedGoogle Scholar
  • 3 Goodfellow I, Bengio Y, Courville A. Deep Learning. Cambridge, MA: MIT Press; 2016
    Google Scholar
  • 4 Litjens G, Kooi T, Bejnordi BE. et al. A survey on deep learning in medical image analysis. Med Image Anal 2017; 42: 60-88
    CrossrefPubMedGoogle Scholar
  • 5 Zarella MD, Bowman D, Aeffner F. et al. A Practical Guide to Whole Slide Imaging: A White Paper From the Digital Pathology Association. Arch Pathol Lab Med 2019; 143: 222-234
    CrossrefPubMedGoogle Scholar
  • 6 Matek C, Schwarz S, Spiekermann K. et al. Human-level recognition of blast cells in acute myeloid leukemia with convolutional neural networks. Nature Mach Intelli 2019; 1: 538-544
    CrossrefPubMedGoogle Scholar
  • 7 Matek C, Schwarz S, Spiekermann K. et al A single-cell morphological dataset of leukocytes from AML patients and non-malignant controls (AML-Cytomorphology_LMU). Cancer Imag Arch. Im Internet (Stand: 1.9.2020): https://doi.org/10.7937/tcia.2019.36f5o9ld
    Google Scholar
  • 8 Kothari S, Phan JH, Stokes TH. et al. Removing batch effects from histopathological images for enhanced cancer diagnosis. IEEE J Biomed Health Inform 2014; 18: 765-772
    CrossrefPubMedGoogle Scholar
  • 9 Samek W, Montavon G, Vedaldi A. et al. (Eds.) Explainable AI: Interpreting, Explaining and Visualizing Deep Learning. Lect Notes Artific Intellig 11700. Springer; 2019
    CrossrefGoogle Scholar
  • 10 Simonyan K, Vedaldi A, Zisserman A. Deep inside Convolutional Networks: Visualising Image Classification Models and Saliency Maps. Int Conf Lear Represent (ICLR); 2014: 1-8
    Google Scholar
  • 11 Haroske G, Zwönitzer R, Hufnagl P. et al. Leitfaden „Digitale Pathologie in der Diagnostik“. Pathologe 2018; 39: 216-221
    CrossrefPubMedGoogle Scholar