在甲状腺癌中检测淋巴结转移使用深度学习和第二波生成成像
Han Wu1,2, Qiuyan He3, Zhiyan Luo1
1School of Science, Jimei University, Xiamen, China.
Microscopy research and technique
|October 6, 2025
概括
一个新的AI工具,AutoThyroLNMNet,使用SHG成像和深度学习来准确检测乳头甲状腺癌中的淋巴结转移,改善诊断和治疗计划.
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:
- 乳头甲状腺癌 (PTC) 是最常见的甲状腺癌.
- 在PTC中淋巴结转移 (LNM) 加快了瘤的进展.
- 目前对LNM的诊断方法的敏感性有限,影响治疗.
研究的目的:
- 引入AutoThyroLNMNet,这是一个用于对甲状腺癌中的LNM进行分类的自动化系统.
- 整合第二和生成 (SHG) 成像与深度学习用于LNM检测.
- 开发一个精确的诊断工具在PTC中LNM.
主要方法:
- 开发了AutoThyroLNMNet,这是一个自动定量组织学分类框架.
- 利用金字塔视觉转换器v2 (PVTv2) 作为深度学习的支柱.
- 结合深度学习输出,病理数据和原特征,使用多层感知器.
主要成果:
- 组合模型在培训数据集上表现出强的表现.
- 采用3D纹理特征的模型实现了最高的效率.
- 在LNM分类中实现了0.99的接收机运行特征 (ROC) 曲线下的面积.
结论:
- 自动甲状腺LNMNet使甲状腺癌中LNM的自动和定量分类成为可能.
- 该系统为精确的LNM检测提供了一种新且有效的方法.
- 这种工具可以帮助改善LNM的PTC患者的治疗计划.
