通过ML辅助的最小侵入性OCT成像来评估肺纤维化
Rebecca Steinberg1, Jack Meehan1, Doran Tavrow1
1Biomedical Engineering Department, Tufts University, Medford, MA 02155, USA.
Diagnostics (Basel, Switzerland)
|June 27, 2024
概括
这项研究引入了一种新的机器学习辅助光学连贯性断层扫描方法,用于实时分析肺纤维化. 这种技术在准确检测异常性肺纤维化方面表现有前途,可能减少侵入性活检的需要.
科学领域:
- 生物医学工程 生物医学工程
- 医疗成像医学成像
- 肺部病理学 肺部病理学
背景情况:
- 异形性肺纤维化 (ILF) 诊断具有挑战性,通常需要侵入性活检.
- 目前的诊断方法,如VATS活检带来风险和延误.
- 准确和及时的ILF评估对于患者护理和资源管理至关重要.
研究的目的:
- 开发和评估一种机器学习辅助的偏振敏感光学连贯性断层扫描 (PS-OCT) 技术.
- 为了实时分析肺组织形态,用于ILF检测.
- 评估PS-OCT的潜力,以确定ILF的侵入性.
主要方法:
- 结合光学连贯断层扫描 (OCT) 成像与机器学习 (ML) 算法.
- 利用极化敏感的OCT (PS-OCT) 进行增强的组织特征.
- 在肺纤维化小鼠模型上进行的初步测试.
主要成果:
- 通过ML辅助的PS-OCT方法证明了检测ILF的能力.
- 在检测ILF时达到77%的平均准确性.
- 在识别ILF存在时显示了89%的特异性.
结论:
- ML辅助的PS-OCT成像是非侵入性肺纤维化评估的一个有前途的工具.
- 这种技术可能会比传统的活检方法提供更快,更安全的替代方案.
- 需要进一步的研究来验证其在ILF诊断中的临床实用性.
更多相关视频
06:29Adoptive Transfer of IL-33-Stimulated Macrophages into Bleomycin-Induced Mouse Models to Study Their Effect on Idiopathic Pulmonary Fibrosis In Vivo
Published on: May 5, 2023
2.4K
02:09Multi-modal Pulmonary Imaging: Using Complementary Information from CT and Hyperpolarized 129Xe MRI to Evaluate Lung Structure-Function
Published on: April 12, 2024
576
