通过使用超光谱数据对食道癌症进行分类

科学领域:

• 在瘤学瘤学.
• 医疗成像医学成像
• 人工智能的人工智能

背景情况:

• 食道癌在全球面临重大健康挑战,特别是在亚洲.
• 早期诊断和准确评估瘤的扩展是提高患者存活率的关键.
• 在手术期间和手术后评估瘤边缘时,内科手术技术至关重要.

研究的目的:

• 研究高光谱成像 (HSI) 与人工智能结合用于检测癌症食道组织的实用性.
• 分析健康和癌症食道组织之间的水和血红蛋白含量等生理参数的差异.
• 评估卷积神经网络 (CNN) 在分类食道,胃和癌症组织中的性能.

主要方法:

• 临床研究涉及食道和胃组织样本的超光谱内记录.
• 两个不同的卷积神经网络 (CNN) 的应用用于组织分类.
• 对包括水和血红蛋白度在内的生理参数进行分析.

主要成果:

• 在健康和癌症组织之间观察到血红蛋白度和水含量的显著差异,因瘤阶段而异.
• 混合CNN实现曲线下的平均面积 (AUC) 为81%±3%,在所有组织类型中具有74%±8%的灵敏度和89%±2%的特异性.
• 该研究证明了HSI在根据其光谱特征区分组织类型方面的潜力.

结论:

• 超光谱成像 (HSI) 是一个有前途的手术内工具,用于支持食道癌中癌症组织的检测.
• 为了验证这些发现,需要进一步研究涉及详细的本病理相关性.
• 建议在未来进行多中心研究和数据增强,以提高结果的可靠性和通用性.