基于深度学习的超谱技术识别了口腔状细胞癌中的转移性淋巴结-A试点研究

科学领域:

• 在瘤学瘤学.
• 医疗成像医学成像
• 人工智能的人工智能

背景情况:

• 转移性淋巴结是癌症扩散的关键指标.
• 精确检测淋巴结中的癌细胞对于有效的治疗计划至关重要.
• 目前用于淋巴结转移检测的方法可能是耗时和主观的.

研究的目的:

• 开发一种高光谱成像 (HSI) 和深度学习系统,用于检测转移性淋巴结中的癌细胞.
• 使用光谱分析来区分癌细胞,淋巴细胞和正常组织.
• 提高诊断口腔状细胞癌 (OSCC) 转移的准确性和效率.

主要方法:

• 从45名OSCC患者中收集了转移性淋巴结的连续切口.
• 开发了一种改进的ResUNet算法,用于深度学习分析.
• 使用HSI分析了各种细胞类型和组织之间的光谱曲线差异.

主要成果:

• 在转移性淋巴结中分辨出癌细胞,淋巴细胞和红细胞,总准确率为87.30%,平均准确率为85.46%.
• 在识别癌症区域方面,实现了0.6253的平均交叉与联合 (IOU) 和0.7692的精度.
• 展示了HSI和深度学习的能力,以识别淋巴结内的瘤组织.

结论:

• 基于深度学习的超谱技术可以准确地识别OSCC转移性淋巴结中的瘤组织.
• 开发的系统在病理诊断中提供了高准确度,提高了工作效率并减少了工作量.
• 这些初步发现突出显示了HSI和AI在癌症诊断中的潜力,需要在更大样本尺寸下进行进一步的研究.