使用机器学习的高光谱成像用于体内皮肤癌值评估:一项初步研究
Sorin Viorel Parasca1,2, Mihaela Antonina Calin3, Dragos Manea4
1Carol Davila University of Medicine and Pharmacy, 37 Dionisie Lupu Street, Bucharest, Romania.
Physical and engineering sciences in medicine
|May 21, 2024
概括
超光谱成像显示了在手术前精确地绘制皮肤癌边缘的前景. 这项技术有助于外科医生在基底细胞癌和状细胞癌的去除方面取得成功的结果.
科学领域:
- 皮肤病学 皮肤病学
- 医疗成像医学成像
- 机器学习 机器学习
背景情况:
- 手术切除是皮肤癌的主要治疗方法.
- 准确的瘤边缘的术前评估对于成功的外科手术结果至关重要.
- 目前的保证金评估方法可能是主观的,可能需要进一步调查.
研究的目的:
- 评估超光谱成像 (HSI) 作为界定皮肤癌瘤边缘的工具.
- 开发和验证一种用于分析HSI数据的新方法,以确定癌瘤边界.
- 在手术前评估HSI在区分癌症和正常皮肤组织方面的有效性.
主要方法:
- 在手术前从11种经过组织学诊断的皮肤癌 (6种基底细胞癌,5种状细胞癌) 中获取超光谱图像.
- 开发一种新方法,根据光谱和空间特征对HSI数据进行细分.
- 机器学习 (光谱角度映射器分类器) 的应用用于数据分类和生成瘤边缘图,使用接收器操作特征分析和曲线下的面积 (AUC) 评估性能.
主要成果:
- 开发的方法在划定瘤边缘方面表现非常好.
- 状细胞癌 (SCC) 的AUC值中位数为0.8014,基底细胞癌 (BCC) 的AUC值为0.8924,正常皮肤的AUC值为0.8930.
- 高AUC值,特别是所有组织类型的0.89以上,表明基于HSI的方法的强大性能.
结论:
- 超光谱成像是一种可行的和客观的工具,用于手术前评估皮肤癌边缘.
- 这项技术可以帮助外科医生实现完整的瘤切除.
- 进一步将HSI纳入临床实践可以改善皮肤癌治疗的手术规划和患者的治疗结果.
