使用原子力显微镜和机器学习算法检测和分类肝细胞和肝瘤细胞
Yi Zeng1,2, Xianping Liu3, Zuobin Wang1,2,4
1International Research Centre for Nano Handling and Manufacturing of China, Changchun University of Science and Technology, Changchun, China.
Microscopy research and technique
|July 3, 2023
概括
这项研究使用原子力显微镜和机器学习通过分析它们独特的纳米特征来识别肝细胞癌细胞. 该方法实现了高准确性,为早期癌症诊断提供了客观的方法.
科学领域:
- 生物物理学的生物物理.
- 纳米技术 纳米技术
- 机器学习在医学中的应用
背景情况:
- 肝细胞癌 (HCC) 是一种高风险的恶性瘤,起源于转变的肝细胞.
- HCC细胞具有独特的表面纳米特征,与正常肝细胞不同.
- 准确的HCC早期诊断对于患者的治疗结果至关重要.
研究的目的:
- 开发一种用于区分正常肝细胞和肝瘤细胞的新方法.
- 为了利用原子力显微镜 (AFM) 和机器学习 (ML) 进行客观的细胞分类.
- 为早期检测肝细胞癌提供一个改进的诊断工具.
主要方法:
- 原子力显微镜 (AFM) 用于捕捉人类肝细胞和肝瘤细胞的3D形态和机械性质 (弹性模量,粘性弹性).
- 提取的纳米特征数据被用来训练机器学习算法.
- 性能与其他ML模型 (如支向量机和后勤回归) 相比进行了评估.
主要成果:
- 该ML模型在区分肝细胞和肝瘤细胞方面实现了94.54%的分类准确率和0.99的AUC.
- 细胞形态和机制的综合分析提供了强大的分类基础.
- 与使用单个纳米参数相比,开发的方法显示出更高的分类性能.
结论:
- AFM与ML相结合,提供了基于其纳米特征的客观和准确的方法来识别肝细胞癌细胞.
- 这种方法克服了主观显微镜分析的局限性,有助于减少诊断错误.
- 这些发现支持了该技术在早期和可靠诊断HCC方面的潜力.
