在癌症诊断的数字双胞胎上学习的分辨率增强的多核光纤成像
Tijue Wang1,2,3, Jakob Dremel1,2,3, Sven Richter3,4
1TU Dresden, Laboratory of Measurement and Sensor System Technique, Dresden, Germany.
Neurophotonics
|February 1, 2024
概括
这项研究引入了一种新的深度学习方法,用于通过多核纤维 (MCF) 内镜进行高分辨率,无标签的瘤成像. 这种方法克服了分辨率限制,使得在不去除组织的情况下能够进行准确的手术内诊断.
科学领域:
- 生物医学光学 生物医学光学
- 医疗成像医学成像
- 深度学习应用程序
背景情况:
- 传统的多核纤维内镜 (MCF) 提供无标签,全光学活检用于手术内诊断,但受低分辨率和文物限制.
- 这些局限性阻碍了精确的瘤诊断,需要改进的成像技术来深层组织可视化.
研究的目的:
- 开发一种方法,通过标准的0.65毫米MCF进行非像素化,高分辨率的瘤成像,无论核心的布局或传染性如何.
- 使用先进的内镜成像,实现自动组织分类和无标签全光学活检.
主要方法:
- 使用深度学习和数字双胞胎概念进行图像重建,用于基于单个引用的模拟.
- 在小型实验生物组织数据集上纳入MCF的异质光学特性和转移学习.
- 使用参考图像在训练期间提供MCF的物理信息.
主要成果:
- 消除模拟数据中MCF异质性引起的幻觉.
- 平均峰值信号与噪声比率显著增加 (11.2到23.4dB) 和结构相似性 (0.20到0.74).
- 在质母细胞瘤组织的实验验证中,在14fps的计算速度下,获得了高指标 (31.6dB,0.97).
结论:
- 拟议的方法绕过了繁的培训数据采集,只需要一个参考图像进行预培训.
- 对质母细胞瘤冷切割的验证显示了高分辨率的深层组织检索能力.
- 该方法显示了高临床可行性,用于手术内诊断和瘤特征.


