精确的分类和快速的病理诊断纠正微拉曼技术在人类肺腺癌透水平水平的肺腺癌

科学领域:

• 在瘤学瘤学.
• 病理学 病理学 病理学
• 频谱学是一种光谱学.

背景情况:

• 肺腺癌 (LADC) 透的手术内诊断对于手术策略至关重要.
• 目前视觉病理学解释的错误率高达15.6%.

研究的目的:

• 开发和验证用于诊断LADC透的微拉曼光谱工作流.
• 将拉曼光谱与深度学习集成为准确,快速的LADC诊断.

主要方法:

• 在人类LADC标本上利用微拉曼光谱学.
• 在不同的组织类型和透水平上表征LADC病理.
• 综合拉曼光谱与深度学习 (CNN) 模型用于诊断.

主要成果:

• 卷积神经网络 (CNN) 模型实现了正常与LADC的AUC为96.1%,透水平为99.0%.
• 微拉曼技术纠正了超过96%的手术内误诊.
• 与SVM模型相比,CNN表现出优越的概括性.

结论:

• 微拉曼光谱学提高了LADC透的手术内诊断精度.
• CNN模型为LADC提供了更好的诊断准确性和概括性.
• 这种客观方法支持知情的手术决策.