使用光谱光学连贯性断层扫描对人类结肠组织的ex vivo深度学习分类

科学领域:

• 生物医学光学 生物医学光学
• 医疗成像医学成像
• 机器学习在医学中的应用

背景情况:

• 结肠直肠癌 (CRC) 查通过结肠镜检查改善了结果,但仍然是癌症死亡的主要原因.
• 需要新的策略来提高结直肠癌查的有效性和可访问性.
• 光学活检技术为组织分析提供了一个非侵入性的替代方案.

研究的目的:

• 开发和验证使用光谱光学连贯性断层扫描 (SOCT) 分析人类结肠上皮组织的光学活检技术.
• 评估由机器学习分析的SOCT衍生光学特性在区分不同组织类型方面的能力.
• 推动SOCT技术在结直肠癌诊断中的临床应用.

主要方法:

• 使用光谱光学连贯性断层扫描 (SOCT) 来获取人类结肠上皮组织样本的深度分辨率图像.
• 从OCT图像中提取光学组织特性作为波长的函数.
• 使用一种新的深度学习架构,以SOCT参数作为输入,来分类组织类型.

主要成果:

• 深度学习模型在区分结肠组织类型方面达到高达97.9%的准确性.
• SOCT参数成功地用于生成假色面对面的OCT图像.
• 深度学习分类促进了组织类型的视觉识别.

结论:

• 光谱光学连贯性断层扫描,加上深度学习,在分类结肠上皮组织方面表现出高准确性.
• 这种方法显示出作为用于结直肠癌查的先进光学活检工具的巨大潜力.
• 这项研究代表了将SOCT技术转化为分析结肠表皮的临床使用的关键一步.