亚扩散反射光谱与机器学习方法相结合,用于识别口腔粘膜疾病.

科学领域:

• 生物医学光学 生物医学光学
• 医疗保健中的机器学习
• 口腔病理学 口腔病理学

背景情况:

• 口腔状细胞癌 (OSCC) 是一种全球普遍存在的恶性瘤.
• 早期诊断OSCC是具有挑战性的,因为检查所有潜在的前恶性病变的活检很困难.
• 非侵入性诊断方法对于提高早期检测率至关重要.

研究的目的:

• 开发和评估一种用于识别口腔粘膜疾病的非侵入性方法.
• 将亚扩散反射光谱与机器学习相结合,以提高诊断能力.
• 提供一种具有成本效益的工具,用于早期检测口腔组织中的恶性瘤.

主要方法:

• 从健康的口腔部位和各种粘膜病变 (OLP,OLK,OSCC) 收集亚扩散反射光谱.
• 使用了一种自制的亚扩散反射光谱原型系统.
• 衍生出的光谱特征 (SR,DE,OP) 和使用的机器学习算法 (SVM,PNN) 进行分类.

主要成果:

• 光谱特征在各种口腔部位和疾病中显示出显著的差异.
• 机器学习模型在分类口腔粘膜疾病方面取得了很高的准确性.
• 衍生 (DE) 特性在区分正常组织和病变 (包括OSCC) 中表现出特别高的有效性.

结论:

• 将亚扩散反射光谱与机器学习相结合,可以精确区分口腔粘膜部位和疾病.
• 对于精确检测口腔疾病,特别是OSCC,DE特征非常有价值.
• 这种方法为口腔疾病诊断提供了一种敏感,及时和准确的方法.