一种联合学习方法用于使用光学衰减系数自动诊断角质细胞癌
Lei Zhang1, Xiaoran Li1, Wen Chen1
1The Academy for Engineering and Technology, Yiwu Research Institute, Fudan University, Shanghai, 200433, China.
NPJ digital medicine
|April 30, 2025
概括
使用光学连贯断层扫描 (OCT) 的光学减弱系数 (OAC) 的自动化方法有效地区分动态角质瘤 (AK),基底细胞癌 (BCC) 和正常皮肤,改善早期皮肤癌诊断.
科学领域:
- 皮肤病学 皮肤病学
- 生物医学成像技术 生物医学成像技术
- 人工智能的人工智能
背景情况:
- 角质细胞癌,包括行动性角质 (AK) 和基底细胞癌 (BCC),由于类似的临床表现,存在诊断挑战.
- 有效的查至关重要,因为AK和BCC的预后和治疗要求不同.
- 光学连贯断层扫描 (OCT) 显示了诊断这些皮肤癌的潜力,但皮肤特性和系统设置的变化需要标准化的方法.
研究的目的:
- 开发一种自动诊断方法,使用OCT数据对AK,BCC和正常皮肤进行分类.
- 调查光学衰减系数 (OAC) 和概率分布函数 (PDF) 的实用性,以提高诊断准确度.
主要方法:
- 从OCT数据中提取OAC图像用于组织分析.
- 开发一个联合学习策略,包括OAC图像和PDF信息.
- 使用2D和3DOAC数据对正常皮肤,AK和BCC进行分类.
主要成果:
- OAC图像显示了正常和癌症皮肤组织之间的显著差异.
- 自动化方法使用OAC图像和PDF信息实现了80%以上的准确性.
- 使用3D OAC数据进一步提高了模型的稳定性,接近100%的准确性.
结论:
- 基于OAC对OCT数据的分析为早期非黑色素瘤皮肤癌的自动化,智能诊断提供了有希望的方法.
- 拟议的联合学习战略提高了皮肤癌查的可靠性和准确性.
