快速多光子显微镜成像联合图像超分辨率用于前列腺癌的自动格里森分级.
Xinpeng Huang1, Qianqiong Wang1, Jia He1
1Institute of Laser and Optoelectronics Technology, Fujian Provincial Key Laboratory for Photonics Technology, Key Laboratory of Optoelectronic Science and Technology for Medicine of Ministry of Education, Fujian Normal University, Fuzhou, China.
Journal of biophotonics
|September 12, 2024
概括
这项研究提出了一种快速的深度学习方法,用于使用多光子显微镜 (MPM) 进行前列腺癌分级. 超高分辨率成像显著加快采集速度,同时保持高准确度,用于自动化的格里森分级.
科学领域:
- 医疗成像医学成像
- 计算病理学计算病理学
- 在瘤学中使用人工智能
背景情况:
- 格里森分级系统对于前列腺癌量化至关重要.
- 多光子显微镜 (MPM) 提供高分辨率成像,但在速度和质量方面面临挑战.
- 自动格里森分级需要高效和准确的成像技术.
研究的目的:
- 引入基于深度学习的快速多光子显微镜 (MPM) 成像方法,用于自动化的格里森分级.
- 通过使用深度学习来提高MPM成像速度和质量,以改善前列腺癌诊断.
主要方法:
- 一个深度学习架构 (SwinIR) 用于图像超分辨率来改进低分辨率的MPM图像.
- 图像采集速度从7.55秒/增加到0.24秒/.
- 一个Swin变压器分类网络被用于自动化的格里森分级.
主要成果:
- 超分辨率成像提高了低分辨率MPM图像的质量.
- 高分辨率图像的分类准确度和宏F1得分为90.9%,超分辨率图像为89.9%.
- 超分辨率图像表现出与高分辨率图像进行格里森分级的性能相似.
结论:
- MPM与基于深度学习的超分辨率和自动分类相结合,显示了实时前列腺癌诊断的潜力.
- 这种方法可以显著加快前列腺癌的诊断过程.
- 该方法为实现实时临床诊断工具提供了一条可行的途径.


