自动癌活检指导使用前性内镜光学连贯性断层扫描和深度学习

科学领域:

• 医疗成像医学成像
• 在瘤学瘤学.
• 生物技术是生物技术.

背景情况:

• 皮肤活检 (PRB) 对于癌诊断至关重要,但在采样准确性方面面临挑战.
• 目前的方法在区分瘤和正常脏组织方面缺乏精度.

研究的目的:

• 开发和评估一个前性的光学连贯性断层扫描 (OCT) 探头,以便在PRB期间提供精确的指导.
• 用OCT成像提高分辨瘤和正常组织的准确性.

主要方法:

• 使用前性OCT探头对5个人类脏和癌样本进行成像.
• 通过检查OCT成像特征和衰减系数来进行组织分类.
• 卷积神经网络 (CNN),特别是ResNet50和InceptionV3,被开发和评估用于组织识别.

主要成果:

• OCT成像特征允许准确区分瘤和正常脏组织.
• 使用衰减系数的初始分析实现了98.19%的瘤识别精度,但在正常组织分化方面遇到了困难.
• CNN模型 (ResNet50和InceptionV3) 显示出高精度,在瘤识别方面达到99.48%以上,在正常组织识别方面达到98.90%以上.

结论:

• 海外国家和地区和CNN的整合显著改善了PRB的指导.
• 这种联合技术为更准确的癌诊断提供了有希望的进步.