基于人工智能的检测口腔状细胞癌与拉曼组织学
Andreas Weber1,2, Kathrin Enderle-Ammour1, Konrad Kurowski1,3,4
1Institute for Surgical Pathology, Medical Center, University of Freiburg, 79106 Freiburg, Germany.
Cancers
|February 24, 2024
概括
这项研究表明,深度学习可以使用刺激拉曼散射 (SRS) 和组织学 (SRH) 图像准确地分类口腔癌和正常组织,从而使得在不处理组织的情况下快速进行手术内诊断.
科学领域:
- 生物医学光学 生物医学光学
- 计算病理学计算病理学
- 人工智能在医学中的应用
背景情况:
- 刺激拉曼组织学 (SRH) 通过从刺激拉曼散射 (SRS) 产生图像,而无需切割或染色,提供手术内组织评估.
- 口腔状细胞癌 (OSCC) 诊断在手术期间从快速,准确的病理评估中获益.
研究的目的:
- 开发和评估一个深度学习分类器来区分OSCC和非恶性组织,使用SRS和SRH图像.
- 为了比较SRS和SRH模式之间的分类性能.
主要方法:
- 测量了2845厘米-1和2930厘米-1的拉曼移位.
- 然后将SRS图像转换为SRH图像,模仿H&E染色.
- 在64个样本上训练了VGG19卷积神经网络,并在80名OSCC患者的16个样本上进行了测试,注释了6种组织类型.
主要成果:
- 深度学习模型实现了高平衡精度 (SRS为0.90,SRH为0.87) 和F1分数,用于各种组织类型,包括瘤,肌层和上皮.
- 对于大多数组织类型,SRS和SRH图像的性能是可比的,表明了强度.
结论:
- 深度学习模型适用于从SRS和SRH图像直接进行手术内组织识别.
- 这种方法有可能在口腔癌手术期间进行实时病理分析.
