卷积神经网络模型用于自动识别和分类胰腺癌细胞,基于3D光学衍射断层扫描对未标记样本的脂质滴分析

科学领域:

• 生物医学成像技术 生物医学成像技术
• 计算生物学 计算生物学
• 在瘤学瘤学.

背景情况:

• 胰腺癌细胞表现出明显的脂质滴 (LD) 积累模式.
• 准确和快速诊断胰腺癌至关重要.
• 光学衍射断层扫描提供了细胞学样本的无污点成像.

研究的目的:

• 开发一种用于胰腺癌细胞识别的自动化系统.
• 使用深层卷积神经网络进行图像分析.
• 为了利用脂质滴的定量成像进行诊断.

主要方法:

• 从光学衍射断层扫描中重建了3D折射指数断层扫描.
• 使用了一个深度卷积神经网络 (EfficientNet-b3).
• 机器学习技术被应用到一个数据集的13,875个细胞图像.

主要成果:

• 与正常细胞相比,胰腺癌细胞的总体体积和干质量较低,但脂质滴量更多.
• 该系统在两类癌症分类方面实现了96.7%的准确性.
• 在4类细胞系分类中获得了高精度 (96.2%),AUC为0.998.

结论:

• 新的培训策略使得胰腺癌细胞的自动和快速识别成为可能.
• 深度学习嵌入式医疗设备显示出有可能取代手动细胞病理学.
• 这种方法为癌症诊断提供了一个可持续的经济模式.