低级分布嵌入动态热图数据用于乳腺癌检测
Harmen Siezen1, Navchetan Awasthi2, Meghdad Sabouri Rad3
1The Fischell Department of Bioengineering, University of Maryland, A. James Clark Hall, 8278 Paint Branch Drive, College Park, 20742, MD, United States; Faculty of Science, Mathematics and Computer Science, Informatics Institute, University of Amsterdam, Science Park 904, Amsterdam, 1098 XH, Noord-Holland, The Netherlands.
Journal of thermal biology
|November 12, 2025
概括
动态红外热学通过检测血管生成的热生物标志物提供了早期乳腺癌查的非侵入性方法. 这项研究增强了分析热模式的计算框架,提高了早期检测的准确性.
科学领域:
- 医疗成像医学成像
- 计算生物学 计算生物学
- 在瘤学瘤学.
背景情况:
- 动态红外热学是早期乳腺癌查的宝贵工具,检测乳腺组织的生理变化.
- 它识别了与血管扩张相关的热生物标志物,揭示了血管和代谢异常.
- 不同质的热模式可以表明血管生成,这是恶性转变的关键特征.
研究的目的:
- 系统地评估用于检测和表征乳房温度学中异质热信号的计算框架.
- 探索先进的时空指标和嵌入技术,以增强模式歧视.
- 通过深度神经网络和基因图平衡来改进热模式分析,以改善乳腺癌检测.
主要方法:
- 评估共弦相似性,欧几里德距离和堪培拉距离,用于时空度量分析.
- 应用三角形,Poisson,Weibull和Chi-squared嵌入技术来增强模式歧视.
- 利用一个深度神经网络与直方图平衡 (HE) 区域划分和动态范围最大化.
主要成果:
- 拟议的计算框架表现出强大的诊断性能,准确度为83.6±5.5%,kappa为0.31.
- 先进的时空指标和嵌入技术改善了异质热模式的歧视.
- 深度神经网络增强精细的特征提取和感兴趣的区域划分.
结论:
- 开发的计算热图框架显示了促进早期乳腺癌检测的巨大潜力.
- 这项研究强调了通过热成像分析血管异质性的临床相关性.
- 这种方法提供了一种非侵入性的方法来补充现有的乳腺癌查方式.
