基于残留神经网络的癌症组织的识别

科学领域:

• 生物医学光学 生物医学光学
• 计算生物学 计算生物学
• 医疗成像医学成像

背景情况:

• 精确识别癌症组织至关重要,但由于复杂的实验方法和低准确度而受到阻碍.
• 现有的癌症组织识别方法往往缺乏速度和精度,需要在诊断技术的进步.

研究的目的:

• 开发一种快速且高度准确的方法,使用激光斑纹图案识别癌症组织.
• 引入一种新的理论传输模型,用于在生物组织中传输激光束.
• 提出和评估一个专门的深度学习模型,用于分析用于癌症检测的斑点图像.

主要方法:

• 开发了一种新的理论传输方法,以模拟正常和癌症生物组织中的激光束传输.
• 激光光斑模式被生成和捕获,携带有组织类型的指示信息.
• 一个三任务的残余神经网络 (T-ResNet-18) 用人和老鼠组织以及细胞悬浮的模拟数据集被设计和训练.

主要成果:

• 在模拟癌症组织检测中,T-ResNet-18模型实现了超过99%的识别准确性.
• 该研究分析了数据集大小,训练时代和组织厚度对识别准确性的影响.
• 与ResNet-18,VGG16,Alex.Net等已建立的神经网络相比,T-ResNet-18的性能表现出了卓越的表现.

结论:

• 拟议的基于激光光斑的方法与T-ResNet-18相结合,为癌症组织的识别提供了高度准确和快速的方法.
• 开发的理论传输模型为模拟光-组织相互作用提供了一个强大的框架.
• 这项研究为非侵入性癌症诊断中的潜在应用带来了重大进展.