整合介电性质分析和机器学习,以准确识别肝癌和预测透深度
Chunyou Ye1, Xiao Wang2, Wenxia Ju1
1Department of Medical Informatics, School of Biomedical Engineering, Anhui Medical University, Xinzhan High-Tech Industrial Development Zone, Tanghe Road, Hefei, China.
Physical and engineering sciences in medicine
|October 6, 2025
概括
这项研究使用介电性质和机器学习准确识别肝癌组织,并预测瘤透深度. 综合方法提高了诊断精度,有助于改善手术结果.
科学领域:
- 生物医学工程 生物医学工程
- 医学物理 医学物理
- 计算生物学 计算生物学
背景情况:
- 介电性质 (DPs) 在正常和肝癌组织之间有所不同.
- 开放式同轴探头 (OCP) 测量受到瘤透深度的挑战,影响组织识别.
- 准确的DP分析对于区分组织类型和评估瘤边缘至关重要.
研究的目的:
- 将DP分析与机器学习 (ML) 结合起来,以准确识别肝癌组织.
- 使用DP和ML模型可靠地预测瘤透深度.
- 用真实组织和幻影测量来验证ML模型的性能.
主要方法:
- 模拟肝癌组织的DP通过各种透深度 (9万个样本,181个频率点).
- 评估了人工神经网络 (ANN),支持向量机器 (SVM) 和包装树集体.
- 实验验证探头检测深度和模型性能在真实组织和幻影上.
主要成果:
- 所有的ML模型都成功识别了组织类型,并预测了透深度.
- SVM实现了98.91%的分类准确度;在验证时,包装组合达到100%.
- 深度预测显示了较低的误差 (例如,包装MAPE/RMSE:0.1434/0.0614).
- 探测器的有效检测范围证实为0.1-0.6毫米.
结论:
- 联合DP和ML方法可靠地区分肝癌组织,并估计透深度.
- 这种方法支持精确的瘤切除和改善患者的结果.
- 经过验证的ML模型为手术内评估提供了一个强大的工具.
