快速多任务诊断口腔癌利用光纤拉曼光谱和深度学习算法
Xing Li1, Lianyu Li2, Qing Sun3
1Department of Stomatology, Peking Union Medical College Hospital, Chinese Academy of Medical Sciences and Peking Union Medical College, Beijing, China.
Frontiers in oncology
|October 26, 2023
概括
早期发现口腔癌是关键的. 这项研究引入了一种新的拉曼光谱和深度学习原型,用于快速,非侵入性的病理诊断,在分期和分级方面实现高精度.
科学领域:
- 生物医学光学 生物医学光学
- 医学诊断 医学诊断 医学诊断
- 医疗保健中的人工智能
背景情况:
- 口腔癌对全球健康构成重大挑战,其低生存率通常与晚期检测有关.
- 准确的病理分类对于有效的口腔癌治疗计划和预后至关重要.
- 目前的诊断方法可能是侵入性的和耗时的.
研究的目的:
- 开发一种便携式,智能原型,用于使用拉曼光谱和深度学习进行非侵入性口腔癌分析.
- 引入一种新的多任务网络 (MTN),用于同时进行临床分期和组织学分级.
- 与传统方法相比,评估原型的诊断准确性.
主要方法:
- 整合光纤拉曼光谱与先进的深度学习算法.
- 开发一个共享的多任务骨干网络 (MTN) 用于分类.
- 对瘤分期,淋巴结分期和组织学分级的模型的验证.
主要成果:
- 原型实现了高准确率:94.88%的瘤分期,94.57%的淋巴结分期,94.34%的组织学分级.
- 灵敏度,特异性和准确性与常规组织病理学检查相当.
- 证明了无标签,非侵入性诊断方法的可行性.
结论:
- 开发的原型显示出快速,非侵入性和无标签的口腔癌病理诊断的巨大潜力.
- 这项技术可以提高早期检测率和患者的治疗结果.
- 突出了拉曼光谱和瘤学中的深度学习之间的协同作用.


