拉曼光谱用于食道瘤诊断和划分使用机器学习和便携式拉曼光谱仪

科学领域:

• 生物医学工程 生物医学工程
• 分析化学 分析化学
• 在瘤学瘤学.

背景情况:

• 食道癌是全球癌症死亡的主要原因之一.
• 在手术边缘准确识别残留的瘤组织对于患者的预后至关重要.
• 目前的诊断方法 (冷/石部分) 是耗时且劳动密集的.

研究的目的:

• 利用拉曼光谱学和机器学习开发一种用于食道瘤组织的快速,非侵入性诊断工具.
• 为了评估一个便携式拉曼系统的准确性和可行性,用于手术内利率评估.
• 为了能够精确地可视化切割的食道样本中的瘤边界.

主要方法:

• 使用便携式拉曼光谱系统进行无标签的分子分析.
• 应用了五种机器学习算法 (KNN,AdaBoost,RF,PCA-LDA,SVM) 来进行组织分类.
• 对焦平面变化 (高达3毫米) 进行测试的系统稳定性.
• 在手术边缘样本上进行大面积拉曼映射.

主要成果:

• 支持矢量机 (SVM) 算法实现了最高的分类准确率88.61%,以区分瘤与正常食道组织.
• 便携式拉曼系统表现出强大的性能,可接受的焦平面转移.
• 在手术边缘样本上成功可视化瘤边界.
• 拉曼测量时间减少到不到5分钟.

结论:

• 一个集成机器学习的便携式拉曼光谱系统为食道癌症诊断提供了一种方便,准确和具有成本效益的方法.
• 这项技术显示出在手术内应用的巨大潜力,改善了手术边际评估.
• 将拉曼光谱技术推向临床应用可以改善食道癌症治疗和患者的治疗结果.