使用刺激拉曼组织学和卷积神经网络检测恶性肺瘤
Karl-Moritz Schröder1, Andreas Weber1,2, Marlene Schmid1
1Institute for Surgical Pathology, Medical Center, University of Freiburg, Freiburg, Germany.
Journal of thoracic disease
|October 29, 2025
概括
卷积神经网络 (CNN) 可以使用刺激拉曼组织学 (SRH) 和散射 (SRS) 图像来识别肺癌. 然而,在这项研究中,CNN无法区分瘤亚型或转移.
科学领域:
- 医学技术 医学技术 医学技术
- 计算病理学计算病理学
- 在瘤学瘤学.
背景情况:
- 肺部瘤的手术内诊断依赖于耗时的H&E冷部分.
- 刺激拉曼组织学 (SRH) 提供快速,无标签的新鲜组织成像.
- 卷积神经网络 (CNN) 可以自动化图像分析,以实现更快的诊断.
研究的目的:
- 用SRH和SRS图像来评估基于CNN的肺癌检测.
- 评估CNNs区分肺瘤亚型和转移的能力.
主要方法:
- 从459个新鲜冷的肺组织样本中获取了SRS和SRH图像.
- 在获得的图像上训练和评估了三个CNN (VGG19,ResNet50,Inception-ResNet-v2).
- 评估了CNN在区分恶性病与正常组织以及瘤类型之间的表现.
主要成果:
- 在检测肺内恶性瘤方面,CNN显示出高平衡的准确性 (在SRH图像上高达0.94).
- 在SRS图像上,Inception-ResNet-v2获得了最高的精度 (0.91),而SRH图像通常获得了更高的精度.
- CNNs未能区分原发性肺癌和转移,或主要组织学亚型 (腺癌与状细胞癌).
结论:
- 在SRH和SRS图像上,CNN显示出确定恶性肺瘤的前景.
- 目前的CNN模型不足以根据这些数据来区分肺癌亚型或转移.
- 需要进一步的研究,以提高CNN准确度,以便在肺癌中详细分类和转移检测.
