使用人工智能驱动的3D光学衍射断层扫描来改善胆道癌症的诊断.

科学领域:

• 生物物理学的生物物理.
• 细胞生物学 细胞生物学
• 医疗成像医学成像

背景情况:

• 胆道癌 (BTC) 呈现出独特的代谢变化,特别是在脂质代谢中.
• 脂质滴 (LDs) 是关键的器官,参与细胞脂质稳定.
• 改变的LD特征可以作为BTC的生物标志物.

研究的目的:

• 开发一种用于分类胆道癌细胞的自动化系统.
• 为了研究脂质滴滴 (LD) 特性对BTC检测的有用性.
• 将3D光衍射断层扫描 (ODT) 与深度学习相结合,用于增强诊断.

主要方法:

• 培养的人类BTC细胞系 (SNU1196,SNU308,SNU478) 和正常胆血管细胞 (H69).
• 使用ODT获得3D折射率断层扫描.
• 开发并评估了一个卷积神经网络 (CNN) 模型 (EfficientNet-b3) 以基于LD特征 (体积,质量,计数) 的自动分类.
• 整合了LD元数据和多视图得分融合,以提高诊断性能.

主要成果:

• 与正常细胞相比,BTC细胞的LD体积,质量和数量显著更高.
• EfficientNet-b3模型获得了高精度 (93.79%) 和AUC (0.982).
• 整合LD元数据和多视图融合进一步提高了性能 (AUC:0.999,准确率:98.61%).
• 层CAM分析证实了该模型的重点是LD丰富的地区.

结论:

• 在胆道癌细胞中,脂质滴滴的特征是不同的.
• 3D ODT与深度学习相结合,为自动 BTC 分类提供了一个强大的工具.
• 这种方法显示了早期检测和在胆道癌症的未来临床应用的巨大潜力.