超光谱成像用于乳腺瘤良性和恶性诊断
Yihui He1, Yihan Zhao2, Jia Xu1
1Department of General Surgery, The First Affiliated Hospital of Shandong First Medical University & Shandong Provincial Qianfoshan Hospital, Jinan, China.
Journal of biophotonics
|June 24, 2025
概括
这项研究表明,高光谱成像 (HSI) 与1D卷积神经网络 (CNN) 结合,可以快速准确地区分良性与恶性乳腺瘤,提供新的诊断工具.
科学领域:
- 医疗成像医学成像
- 计算病理学计算病理学
- 生物医学光学 生物医学光学
背景情况:
- 准确的乳腺瘤分类对于有效治疗至关重要.
- 无标签的诊断方法减少了对侵入性手术的需要.
研究的目的:
- 评估将微观超光谱成像 (HSI) 与1D卷积神经网络 (CNN) 集成的可行性.
- 为了实现良性和恶性乳腺瘤之间的快速,无标签的歧视.
主要方法:
- 在82个乳腺样本 (43个恶性,39个良性) 上进行了高光谱成像 (370-1100nm).
- 超过200万个像素光谱经过预处理 (暗电流减去,白参考校准,光滑,正常化).
- 开发了一个定制的1D-CNN,并与SVM,AlexNet和LSTM进行了基准测试.
主要成果:
- 1D-CNN模型实现了高性能指标.
- 准确率:90.43% 准确率:90.43% 准确率:90.43% 准确率:
- 灵敏度: 89.10% 的灵敏度.
- 具体性: 91.34% 具体性: 91.34% 具体性: 91.34%
- 超过了传统的机器学习和深度学习模型.
结论:
- HSI和1D CNN的整合为乳腺瘤的快速病理诊断提供了一个可行的方法.
- 这种方法为瘤分类提供了一个高度准确的,无标签的替代方案.
