融合和纯特征提取框架用于甲状腺损伤的手术内超光谱
Shuang Xue1, Zhoufeng Zhang2, Siyuan Li2
1Xi'an Institute of Optics and Precision Mechanics of Chinese Academy of Sciences, University of Chinese Academy of Sciences, Xi'an, 710119, Shaanxi, China; Key Laboratory of Spectral Imaging Technology CAS, Xi'an Institute of Optics and Precision Mechanics of Chinese Academy of Sciences, Xi'an, 710119, Shaanxi, China.
Medical image analysis
|October 11, 2025
概括
一个新的高光谱识别算法PS4EM-SN有助于在手术期间诊断甲状腺癌. 它准确地区分恶性和非恶性组织,为更快的外科决定提供数字解决方案.
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:
- 甲状腺癌是一种常见的内分泌恶性瘤.
- 目前的手术内诊断依赖于耗时的冷截面准备和手动显微镜检查.
- 现有的高光谱分析方法只能优化诊断过程的一部分,并且可能是复杂的.
研究的目的:
- 开发一个先进的超光谱识别算法,用于手术内,ex-vivo宏观甲状腺损伤分析.
- 通过整合光谱和空间特征,同时考虑独立物质指纹来解决当前方法的局限性.
- 为了提高手术内甲状腺癌诊断的准确性和效率.
主要方法:
- 开发了具有纯光谱空间 (SPS) 学习框架的 PS4EM-SN 算法.
- 整合了带有级联注意力的空间光谱融合嵌入机制 (SSEM).
- 使用压缩和激发 (SE) 和非局部 (NOL) 块在级联注意力中,以提高稳定性和通用性.
主要成果:
- PS4EM-SN算法在区分非恶性和恶性甲状腺区域方面表现令人满意.
- 在实验结果中获得了93.91%的平均准确性.
- 该方法显示了多方面的高光谱性能,表明其临床应用的潜力.
结论:
- 开发的PS4EM-SN算法为手术内甲状腺诊断提供了一种新的高光谱方法.
- 这种方法承诺一个数字解决方案,以加快和提高在手术期间甲状腺癌检测的准确性.
- 光谱空间特征和注意力机制的整合增强了诊断能力.
