卷积神经网络辅助拉曼光谱用于高精度诊断质母细胞瘤
Jiawei He1, Hongmei Li1, Bingchang Zhang1
1Department of Neurosurgery and Department of Neuroscience, The First Affiliated Hospital of Xiamen University, School of Medicine, College of Chemistry and Chemical Engineering, College of Energy, Institute of Artificial Intelligence, State Key Laboratory for Physical Chemistry of Solid Surfaces, Xiamen University, Xiamen 361102, China.
Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy
|December 25, 2024
概括
拉曼光谱与卷积神经网络相结合,可以准确地区分质母细胞瘤 (GBM) 和正常的大脑组织. 这种快速方法在小鼠模型和人类患者中都显示出高准确性,有助于手术内诊断.
科学领域:
- 神经瘤学神经瘤学
- 生物医学光谱学 生物医学光谱学
- 人工智能在医学中的应用
背景情况:
- 多形质母细胞瘤 (GBM) 是一种具有不良预后的侵袭性脑瘤.
- 由于GBM的侵入性,准确的手术内边缘识别具有挑战性.
- 目前的诊断方法,如病理学是耗时的.
研究的目的:
- 开发和验证一种新的方法,以快速准确地在手术期间将GBM与正常大脑组织区分开来.
- 评估将拉曼光谱 (RS) 与卷积神经网络 (CNN) 结合用于GBM检测的疗效.
主要方法:
- 拉曼光谱法用于分析来自携带GBM的小鼠和人类患者的组织样本.
- 卷积神经网络被训练来分类来自GBM和正常大脑组织的光谱.
- 分析了来自478个正常和462个GBM小鼠样本以及223个正常和267个人类GBM样本的光谱数据.
主要成果:
- 该RS-CNN方法在分辨小鼠中的GBM时获得了96.8%的准确性.
- 在人体组织中,该方法在GBM识别中显示了93.9%的准确性.
- 在750,1440和1586厘米-1的共同光谱差异峰值表明了细胞染色体C和脂质的差异.
结论:
- 卷积神经网络辅助拉曼光谱为手术内检测GBM提供了快速,简单和准确的方法.
- 该方法在临床前模型和人体组织中的有效性支持其潜在的临床实用性.
- 识别关键的光谱生物标志物可以提高对GBM组织组成的理解.
