可见光近红外高光谱成像和深度学习能够快速,不染色评估肺腺癌

科学领域:

• 生物医学光子学 生物医学光子学
• 计算病理学计算病理学
• 基因组医学是一种基因组医学.

背景情况:

• 在肺腺癌中准确识别驱动突变 (例如,ALK,EGFR,KRAS) 对于个性化治疗至关重要.
• 标准基因组测试是侵入性的,可能会损害组织完整性.
• 需要使用非破坏性的方法来进行瘤基因型鉴定.

研究的目的:

• 为肺腺癌开发和评估一种非破坏性的基因型鉴定方法.
• 将可见到近红外高光谱成像与深度学习相结合,用于瘤突变识别.
• 评估这种综合成像和计算方法的诊断潜力.

主要方法:

• 在未染色的病理部位上利用可见至近红外高光谱成像 (400-1000 nm).
• 开发了一种双分支深度学习融合框架,以提取光谱空间特征.
• 采用一个优化的梯度增强分类模型 (XGBoost) 进行基因类型.

主要成果:

• 在90个临床标本上实现了从83.5%到90.2%的类特定准确度.
• 在0.83和0.91.91之间的ROC曲线值下的获得面积.
• 证明了该系统捕获丰富的光谱空间特征以进行分类的能力.

结论:

• 超光谱成像与深度学习融合相结合,可以快速而非破坏性的瘤基因定型.
• 这种方法为肺腺癌实时临床诊断提供了一个有希望的工具.
• 该方法在推进个性化瘤学和生物医学光子学方面具有重大潜力.