膀癌的非侵入性查使用数字微流体和FLIM技术结合深度学习
Wenhua Su1, Chenyang Xu2, Jinzhong Hu2
1Department of Optical Science and Engineering, Shanghai Engineering Research Center of Ultra-Precision Optical Manufacturing, Key Laboratory of Micro and Nano Photonic Structures (Ministry of Education), School of Information Science and Technology, Fudan University, Shanghai, China.
Journal of biophotonics
|June 28, 2024
概括
一种新的非侵入性膀癌查方法使用数字微流体和光成像. 这种方法可以准确地识别高风险,低风险和正常病例,为早期检测和患者管理提供了一个有前途的工具.
科学领域:
- 生物医学工程 生物医学工程
- 在瘤学瘤学.
- 医学诊断 医学诊断 医学诊断
背景情况:
- 非侵入性膀癌查对于有效的治疗和术后监测至关重要.
- 目前的查方法在灵敏度和特异性方面存在局限性.
- 膀癌的早期检测显著改善了患者的治疗结果.
研究的目的:
- 引入一种新的非侵入性膀癌查技术.
- 将数字微流体 (DMF) 和光终身成像显微镜 (FLIM) 结合起来进行尿液分析.
- 开发一种深度学习模型,用于自动分类膀癌风险.
主要方法:
- 数字微流体 (DMF) 用于初步查和丰富54名参与者的脱皮尿细胞.
- 细胞被染色并使用光终身成像显微镜 (FLIM) 进行分析,以评估细胞内微环境粘度.
- 使用深度学习残余卷积神经网络,将FLIM图像自动分类为高风险,低风险和正常类别.
主要成果:
- 开发的方法在分类膀癌风险方面达到91%的高精度和93%的精度.
- 该技术对高级和低级膀癌都表现出敏感性.
- 结果显示,与病理学诊断的一致性很高.
结论:
- 结合DMF-FLIM和深度学习的方法提供了一个非常准确的非侵入性膀癌查方法.
- 这种技术显示出在膀癌检测中临床应用的巨大潜力.
- 这项研究为泌尿癌的非侵入性诊断工具带来了有前途的进展.
更多相关视频
08:14MicroRNA Based Liquid Biopsy: The Experience of the Plasma miRNA Signature Classifier MSC for Lung Cancer Screening
Published on: October 26, 2017
15.6K
06:36A Decentralized Ex Vivo Murine Bladder Model with the Detrusor Muscle Removed for Direct Access to the Suburothelium during Bladder Filling
Published on: November 28, 2019
7.2K