في حالة الاعتماد فقط على صور علم الأمراض النسيجي دون وجود فحوصات مساعدة إضافية، تؤدي عينات الخزعة الصغيرة لسرطان الأنسجة الرخوة خلف الصفاق إلى اختلافات في التقييم بين المراقبين، مما يؤثر على دقة التشخيص الكلية لأنواع المرض الفرعية. ولحل هذه المشكلة، تم جمع 157 صورة كاملة القطعة (WSIs) من مراكز متعددة، تغطي خمس فئات مرضية هي: ساركوما دهنية متنقلة، ساركوما عضلية ملساء، ساركوما الغلاف العصبي المحيطي الخبيثة، ساركوما متعددة الأشكال غير محددة، وساركوما دهنية متمايزة بدرجة عالية. واستنادًا إلى هذه الصور، تم اقتراح طريقتين لتجميع نماذج تعتمد على الصور أحادية المقياس ومتعددة المقاييس، وتم تدريبها باستخدام نماذج التعلم العميق مثل ResNet18 وEfficientNet B7 وEfficientNet V2. وأظهرت النتائج أن كلا الطريقتين حققتا دقة تصنيف عالية، حيث بلغ النموذج الأفضل دقة كلية بنسبة 82.27% في تحليل القطع الفردية و80.95% في تحليل الصور الكاملة. وبالتالي، فإن الطريقة المقترحة يمكن أن تساعد علماء الأمراض بشكل فعال في تشخيص ساركوما الأنسجة الرخوة خلف الصفاق في الممارسة السريرية.

ساركوما الأنسجة الرخوة خلف الصفاق;التعلم العميق;صور القطع الكاملة;تشخيص النوع الفرعي