自动癌活检指导使用前性内镜光学连贯性断层扫描和深度学习

科学领域:

• 医疗成像医学成像
• 在瘤学瘤学.
• 生物技术是生物技术.

背景情况:

• 透皮脏活检对于诊断癌至关重要,但在采样准确性方面面临挑战.
• 区分恶性和良性脏瘤需要精确的组织鉴定.

研究的目的:

• 开发和评估一个前性的光学连贯性断层扫描 (OCT) 探针,用于实时区分瘤和正常脏组织.
• 为了提高癌诊断中的活检指导的准确性.
• 评估卷积神经网络 (CNN) 在分类组织方面的能力.

主要方法:

• 一个前性的OCT探头被用于人体脏样本的体内成像.
• 分析了癌瘤,细胞瘤和正常脏组织的明显成像特征.
• 卷积神经网络 (CNN) 被开发和训练用于自动组织识别.
• 性能与传统的衰减系数方法进行了比较.

主要成果:

• 基于独特的成像特征,OCT探测器成功地将瘤与正常脏组织区分开来.
• 细胞瘤有效地与癌细胞瘤区分开来.
• 在持久数据集上,CNN模型实现了99.1%的高组织识别准确度.
• 与衰减系数方法相比,CNN辅助的平台在癌症预测方面表现出更高的准确性.

结论:

• 开发的CNN辅助内镜成像平台显著提高了穿皮脏活检期间的诊断准确性.
• 这项技术提供了一个有前途的工具,用于精确指导癌的诊断和特征.
• 实时组织分化能力可以改善活检采样和患者的结果.