深度学习分析中红外显微镜成像数据,用于诊断和分类人类淋巴瘤
P Zelger1, A Brunner2, B Zelger2
1University Hospital of Hearing, Voice and Speech Disorders, Medical University of Innsbruck, Innsbruck, Austria.
Journal of biophotonics
|August 14, 2023
概括
这项研究引入了一种结合中红外 (MIR) 成像和深度学习的新方法,用于准确的人类淋巴瘤诊断和亚型化. 该方法在分类恶性组织方面达到95%以上的准确性.
科学领域:
- 生物医学工程 生物医学工程
- 计算病理学计算病理学
- 频谱学是一种光谱学.
背景情况:
- 准确的诊断和人类淋巴瘤的亚型是有效治疗的关键.
- 当前的诊断方法可能耗时,需要专门的专业知识.
- 中红外 (MIR) 超光谱成像提供了丰富的生化信息从组织.
研究的目的:
- 开发和验证用于诊断人类淋巴瘤的替代分析工作流.
- 使用先进的计算方法,区分小细胞淋巴瘤和大细胞淋巴瘤亚型.
- 评估深度学习的准确性,应用于用于淋巴结病理学的MIR光谱数据.
主要方法:
- 利用中红外 (MIR) 显微镜成像来从淋巴结组织中获取高光谱数据.
- 应用了深度学习方法来分析复杂的MIR光谱数据.
- 聚焦分析的光谱区域从3900到850厘米−1.1.
主要成果:
- 对MIR超谱数据的深度学习分析在分类淋巴结病理学方面取得了很高的准确性.
- 分类准确度超过95%,用于区分不同类型的恶性淋巴细胞组织.
- 区分良性与恶性淋巴细胞组织的二元分类准确度高于90%.
结论:
- 磁力共振成像和深度学习的结合为淋巴瘤诊断提供了一个高度准确的方法.
- 这种工作流可以有效地区分小细胞淋巴瘤和大细胞淋巴瘤亚型.
- 拟议的方法为初步淋巴瘤诊断和亚型化提供了一条简化途径.
