光光谱分析和逻辑回归建模用于诊断头部和部的基底细胞癌

科学领域:

• 医学物理 医学物理
• 在瘤学瘤学.
• 生物光子学 生物光子学

背景情况:

• 光学光方法提供非侵入性,高灵敏度的诊断,优于传统的组织采样技术.
• 基础细胞癌 (BCC) 诊断传统上依赖于组织病理学,这是侵入性的和耗时的.
• 排放光谱分析为快速准确的癌症检测提供了一个有希望的替代方案.

研究的目的:

• 评估辐射光谱分析在头皮和子基础细胞癌 (BCC) 诊断中的有效性.
• 使用光学光数据建立BCC检测的预测模型.
• 为了比较光学诊断的准确性与传统的组织病理学方法.

主要方法:

• 收集了来自512个点的光辐射光谱,横跨5毫米线的10名患者.
• 利用组织病理学检查结果来确定癌症病变的存在或不存在.
• 构建了一个二进制后勤回归模型,其中包含相对光值 (RFV) 和620-730nm之间的发射波长 (ELW).

主要成果:

• 逻辑回归模型logit(p) =-33.17+0.04ELW+0.01RFV证明了ELW,RFV和癌症检测概率之间具有统计学意义的关系.
• 该模型的整体准确率为84.8%.
• 健康组织的正确分类率为96%,癌症病变的正确分类率为74%.

结论:

• 排放光谱分析,特别是在620-730纳米范围内,是BCC诊断的高度准确和预测方法.
• 光学光诊断显示出非侵入性癌症检测和监测的巨大潜力.
• 这种技术避免了组织采样的需要,允许对更大的区域进行分析,并可能提高诊断效率.