使用超快速光共聚焦显微镜进行乳腺组织病理成像,以在早期阶段识别癌症病变
Muhammad Mujahid1, Amjad Rehman Khan1, Mahyar Kolivand2
1Artificial Intelligence & Data Analytics Lab CCIS, Prince Sultan University, Riyadh, Saudi Arabia.
Microscopy research and technique
|August 10, 2024
概括
这项研究引入了一种新的乳腺组织病理学卷积神经网络 (BHCNN),用于使用超快的光共聚焦显微镜早期检测乳腺癌,在识别侵入性导管癌方面达到高精度. 与传统方法相比,BHCNN模型显著提高了诊断效率和准确性.
科学领域:
- 医疗成像医学成像
- 计算病理学计算病理学
- 生物医学工程 生物医学工程
背景情况:
- 传统的乳腺癌检测方法,如乳房造影和活检,是侵入性的,耗时的.
- 超快的光共聚焦显微镜为高分辨率的细胞水平组织成像提供了潜力.
- 早期和准确的乳腺癌检测对于有效的治疗和改善患者结果至关重要.
研究的目的:
- 开发和评估一个新的乳腺组织病理学卷积神经网络 (BHCNN),用于乳腺癌检测.
- 利用超快的光共聚焦显微镜进行增强的图像采集和分析.
- 为了提高诊断侵入性导管癌的准确性和效率.
主要方法:
- 使用了一种新的乳腺组织病理学卷积神经网络 (BHCNN) 来从全片图像中提取特征.
- 采用递归特征消除和BHRFE优化来选择重要的组织病理特征.
- 纳入了转移学习方法和梯度循环单位 (GRU) 深度模型进行分类.
主要成果:
- BHCNN模型的测试准确率为98.42%,训练准确率为99.94%.
- 具有高精度的侵入性导管癌 (IDC) 的正和负类的准确分类.
- 实现了小于0.05的验证损失,表明模型性能强大.
结论:
- 拟议的BHCNN框架在乳腺癌检测方面表现优越,与现有模型相比.
- 超快的光共聚焦显微镜与深度学习相结合,为先进的医学成像提供了一个有前途的途径.
- 这项研究有助于开发可靠和有弹性的系统,以精确诊断乳腺癌.
