使用深度学习应用到光学和红外光谱成像数据的口腔病变的快速和无标签的组织病理学
Matthew P Confer1, Kianoush Falahkheirkhah1,2, Subin Surendran3
1Beckman Institute for Advanced Science and Technology, University of Illinois Urbana Champaign, Urbana, IL 61820, USA.
Journal of personalized medicine
|March 28, 2024
概括
新的化学成像 (CI) 和人工智能准确诊断口腔潜在恶性疾病 (OPMDs),口腔癌的前体. 这种先进的方法为传统病理学提供了94.5%的准确,客观的替代方案,改善了癌前诊断.
科学领域:
- 生物医学光学 生物医学光学
- 数字病理学数字病理学
- 医学中的人工智能
背景情况:
- 口腔潜在恶性疾病 (OPMDs) 在大多数口腔癌之前.
- 目前的诊断依赖于H&E染色,这是主观的,容易发生观察者之间的变化.
- 对OPMDs需要客观,准确的诊断工具.
研究的目的:
- 开发和验证化学成像 (CI) 和基于人工智能的OPMD分类工作流程.
- 将口腔组织细分为连接组织,失生性表皮和正常表皮.
- 为了比较CI-AI诊断准确度与病理学家注释的H&E基础真相.
主要方法:
- 使用基于量子级联激光 (QCL) 的离散频红外 (DFIR) 化学成像.
- 配对DFIR数据与暗场可见成像.
- 应用了一个卷积神经网络 (CNN) 深度学习框架用于组织细分.
主要成果:
- 在使用联合红外线和暗场成像数据对口腔组织进行分类时,获得了94.5%的准确性.
- 成功地将组织细分为三个不同的类别:结缔组织,失生性表皮和正常表皮.
- 通过人工智能证明了客观的组织学信息分配.
结论:
- 结合AI的CI提供了一个高度准确和客观的OPMD诊断方法.
- 这种方法有可能显著提高临床口腔癌前期诊断的效率和准确性.
- 没有标签的CI为传统的H&E染色提供了有希望的替代品.
更多相关视频
10:35Multimodal Imaging and Spectroscopy Fiber-bundle Microendoscopy Platform for Non-invasive, In Vivo Tissue Analysis
Published on: October 17, 2016
7.9K
09:31High-Speed Ultraviolet Photoacoustic Microscopy for Histological Imaging with Virtual-Staining assisted by Deep Learning
Published on: April 28, 2022
3.0K
