使用基于四通道的斯托克斯-穆勒极度测量和机器学习的管道癌组织的表征和分类

科学领域:

• 生物医学光学 生物医学光学
• 医疗成像医学成像
• 光学物理学的光学物理学

背景情况:

• 组织结构的变化会影响光极化.
• 极化特性为组织病理学提供了洞察力.
• 早期发现异常形态是至关重要的.

研究的目的:

• 提出一种基于传输的斯托克斯-穆勒显微镜用于定量组织分析.
• 为了利用极化参数进行微观结构性表征.
• 应用机器学习来进行有效的图像分析和分类.

主要方法:

• 利用斯托克斯-穆勒显微镜进行基于偏振的组织成像.
• 量化极化参数:极化度 (DOP),线性极化度 (DOLP),圆性极化度 (DOCP),异构度 (r).
• 采用机器学习,特别是支持矢量机 (SVM),用于图像分类.

主要成果:

• 使用偏振参数,SVM模型实现了95.78%的验证率和94.81%的测试准确率.
• 通过各种极化指标展示了显著的结构信息提取.
• 鉴定了基于偏振特征区分健康和异常组织的潜力.

结论:

• 斯托克斯-穆勒极度测量是一种用于定量组织特征的强大工具.
• 机器学习的整合增强了生物医学应用中的诊断能力.
• 这种技术在早期疾病检测和组织诊断方面表现有前途.