通过深度学习辅助的表面增强拉曼光谱仪,通过手术前识别乳头甲状腺癌亚型和淋巴结转移
Ze-Kai Hou1, Jing Zhao2, Mingjie Zhang3
1Department of Urology, The Second Hospital of Tianjin Medical University, Tianjin 300060, China.
ACS nano
|June 4, 2025
概括
一个新的深度学习辅助的表面增强拉曼散射 (SERS) 芯片准确地从精细针吸收样本中诊断出乳头甲状腺癌 (PTC) 亚型和淋巴结转移.
科学领域:
- 生物医学工程 生物医学工程
- 在瘤学瘤学.
- 频谱学是一种光谱学.
背景情况:
- 准确的手术前诊断乳头甲状腺癌 (PTC) 组织学亚型和淋巴结转移对于个性化治疗至关重要.
- 目前的细胞学和超声波等方法对这些诊断的可靠性和准确性有局限性.
研究的目的:
- 开发一种深度学习辅助的表面增强拉曼散射 (SERS) 芯片,用于手术前诊断PTC组织学亚型和淋巴结转移.
- 提高诊断准确度,并协助制定PTC个性化治疗策略.
主要方法:
- 使用深度学习辅助的SERS芯片与细针吸收 (FNA) 样本.
- 采用卷积神经网络算法来分析拉曼光谱指纹.
- 评估了平台在区分PTC亚型和检测淋巴结转移方面的准确性.
主要成果:
- 该SERS芯片成功区分了PTC亚型和淋巴结转移,准确率为95.83%.
- 该平台在识别中央宫淋巴结转移方面实现了100%的准确性.
- 在使用FNA样本的手术前诊断中表现出高性能.
结论:
- 深度学习辅助的SERS平台为PTC准确的手术前诊断提供了一个有希望的方法.
- 这项技术通过实现个性化治疗策略来支持个性化医疗.
- 降低过度治疗和减轻PTC患者复发风险的潜力.
