在薄型病理样本中识别瘤组织,采用秒激光诱导分解光谱和机器学习
Cristian Sarpe1, Elena Ramela Ciobotea1, Christoph Burghard Morscher1
1Institut für Physik, Universität Kassel, Heinrich-Plett-Str. 40, 34132, Kassel, Germany.
Scientific reports
|June 8, 2023
概括
五秒激光诱导分解光谱 (LIBS) 结合机器学习可以准确地区分癌细胞和健康细胞. 这种创新技术显示出对实时手术内外科手术指导的前景.
科学领域:
- 生物医学光学 生物医学光学
- 频谱学是一种光谱学.
- 计算生物学 计算生物学
背景情况:
- 手术是固体癌症瘤的主要治疗方法.
- 准确识别瘤安全边缘对于成功切除瘤和患者的治疗结果至关重要.
- 目前用于手术内组织识别的方法可能耗时.
研究的目的:
- 调查秒激光诱导分解光谱 (LIBS) 与机器学习 (ML) 算法相结合的潜力.
- 开发一种用于区分癌症和健康组织的替代歧视技术.
- 评估这种技术在手术内外科手术应用中的可行性.
主要方法:
- Femtosecond LIBS 用于切除细,固定肝脏和乳房的手术后样本.
- 用高空间分辨率记录了发射光谱.
- 人工神经网络和随机森林算法用于组织分类,以经典病理学分析作为参考.
主要成果:
- 在肝脏组织中,ML算法在区分健康和瘤组织时实现了大约0.95的高分类精度.
- 这项技术在被应用来识别不同患者的未知乳腺组织样本时,显示出高度的歧视性.
- 高空间分辨率的光谱数据使有效的组织分化成为可能.
结论:
- 与ML算法相结合的Femtosecond LIBS显示出作为手术内组织识别的快速,准确方法的巨大潜力.
- 这项技术可以帮助外科医生在手术期间精确确定瘤边缘.
- 进一步的开发可能会通过确保完整的瘤切除,同时保持健康的组织,从而改善外科手术结果.
