在结直肠癌中预测淋巴结转移,使用手术内光多模式成像

科学领域:

• 医疗成像医学成像
• 人工智能的人工智能
• 在瘤学瘤学.

背景情况:

• 淋巴结转移 (LNM) 的准确诊断对于结直肠癌 (CRC) 治疗计划至关重要.
• 目前的方法,如冷部分是耗时和劳动密集型.
• 术内光成像与深度学习 (DL) 结合,有可能提高效率.

研究的目的:

• 开发和评估一种多模体光成像特征融合预测 (MFI-FFP) 模型,用于在CRC中增强LNM检测.
• 通过整合多种数据源来解决单模成像的局限性.

主要方法:

• 建立了一个MFI-FFP模型,集成白光,光和伪色淋巴结成像.
• 为每个成像模式采用不同的特征提取网络,以最大限度地提高信息互补性.
• 设计了一个多模式功能融合 (MFF) 模块,以结合全球和本地功能.
• 制定了一个新的损失函数来处理不平衡和具有挑战性的样本.

主要成果:

• 货币金融机构-FPFP模型在单模和双模方法上表现优越.
• 与现有方法相比,在接收器操作特征 (ROC) 曲线 (AUC),准确性 (ACC) 和F1得分下获得了更高的面积.
• 在LNM预测中表现优于其他高效的图像分类网络.

结论:

• 该MFI-FFP模型显示了改善结直肠癌中手术内LNM诊断的显著潜力.
• 这种多模式的方法为癌症分期的医学图像分析提供了有希望的进步.