深度学习用于电磁成像中的瘤边缘识别
Amir Mirbeik1,2, Negar Ebadi3,4
1RadioSight LLC, Hoboken, NJ, 07030, USA.
Scientific reports
|September 23, 2023
概括
一种新的深度学习方法DeepTMI在电磁成像中准确识别瘤边缘,帮助外科医生切除瘤. 这种技术增强了癌症组织边界的可视化,从而提高了外科手术的精度.
科学领域:
- 医疗成像医学成像
- 计算生物学 计算生物学
- 机器学习 机器学习
背景情况:
- 准确的瘤边缘识别对于有效的癌症手术至关重要.
- 目前的电磁成像方法需要改进细分,以精确地划分瘤边界.
研究的目的:
- 在电磁图像中引入一种新的深度学习技术,用于细分瘤和正常组织.
- 为了提高电磁成像中的瘤边缘识别的准确性,以优化外科手术.
主要方法:
- 一个循环自动编码器网络架构,称为DeepTMI,被开发用于图像细分.
- 深度学习方法是从电磁图像重建的角度制定的.
- 该方法使用模拟组织幻影的细分图像进行了验证.
主要成果:
- 在将电磁图像细分为瘤和正常区域时,DeepTMI实现了高精度.
- 结构相似度 (SSIM) 的平均值约为0.94,平均平方误差 (MSE) 的平均值为0.04.
- 这些结果明显优于传统的反向传播 (BP) 方法,该方法实现了SSIM低于0.35和MSE高于0.41.
结论:
- 拟议的DeepTMI方法在电磁成像中证明了瘤边缘识别的卓越性能.
- 这种深度学习方法为改善癌症治疗中的外科规划和执行提供了有希望的工具.
