一个新的多式诊断框架,整合了高光谱成像和深度学习,用于预测甲状腺癌中RET基因突变
Zhenpeng Yang1, Peng Su2, Yuyang Zhang1
1The Department of Thyroid Surgery, General Surgery, Qilu Hospital of Shandong University, Jinan 250012, China.
Computer methods and programs in biomedicine
|December 18, 2025
概括
这项研究引入了一个深度学习框架,使用高光谱成像来预测甲状腺髓癌 (MTC) 中的RET突变. 该方法为MTC的传统遗传检测提供了快速,经济高效的替代方案.
科学领域:
- 在瘤学瘤学.
- 计算生物学 计算生物学
- 医疗成像医学成像
背景情况:
- 骨髓性甲状腺癌 (MTC) 是一种侵袭性癌症,通常是由RET原基因突变驱动的.
- 目前的基因检测方法 (PCR,NGS) 昂贵且耗时,延迟了治疗决策.
研究的目的:
- 开发一个快速,具有成本效益的深度学习框架,用于预测MTC中的RET突变.
- 利用高光谱成像和多模式深度学习进行非侵入性突变预测.
主要方法:
- 一个深度学习框架,集成高光谱成像,1D-CNN-LSTM网络用于光谱分析,以及Swin变压器用于空间特征提取.
- 使用交叉模式的注意力机制来融合光谱和空间特征.
- 该模型在82个MTC案例中接受了培训,并在60个独立案例中得到了验证.
主要成果:
- 该框架在RET突变分类方面实现了89.5%的整体准确度,90.2%的灵敏度和88.6%的特异性.
- 外部验证证明了强大的通用性.
- 性能比单一模式的基准水平高出7.0-19.5%.
结论:
- 开发的框架提供了一种非侵入性和有效的方法来预测MTC中的RET突变.
- 超光谱成像与深度学习相结合,显示出在MTC中推进精密瘤学的巨大潜力.
