使用超光谱成像技术对乳头甲状腺癌和带有乳头增生症的结节性肠的差异诊断

科学领域:

• 医疗成像医学成像
• 在瘤学瘤学.
• 人工智能的人工智能

背景情况:

• 乳头甲状腺癌 (PTC) 和带乳头甲状腺增生症 (NGPH) 的结节性肠表现出相似的组织学特征,挑战了准确的诊断.
• 区分PTC和NGPH对于适当的患者管理和治疗计划至关重要.

研究的目的:

• 评估高光谱成像 (HSI) 结合深度学习的有效性,以区分PTC和NGPH.
• 探索HSI作为一种非侵入性工具的潜力,用于在甲状腺癌诊断中进行手术前查和手术内指导.

主要方法:

• 采用HSI,从43个PTC和39个NGPH中获得了400-1000纳米范围内的嵌样本的光谱数据.
• 在特征提取之前,光谱数据经过反射度校准和Savitzky-Golay平滑.
• 一个具有自我注意机制的1D卷积神经网络被用于分类.

主要成果:

• 在500-600nm和近红外区域,HSI实现了超过90%的灵敏度,以区分PTC和NGPH.
• 深度学习模型显示AUC为0.8635和87.07%的像素级精度.
• 对分类的敏感性和特异性均报告为87%,光谱特征和组织病理学之间存在显著的相关性.

结论:

• 高强度分析与深度学习相结合,有效地捕捉了PTC和NGPH之间的光谱差异.
• 这种方法有望提高甲状腺癌诊断的准确性和效率.
• 这些发现表明HSI对非侵入性手术前评估和实时手术内决策的潜在实用性.