一种强大的光谱-组织病理学诊断方法,以改善胃癌检测

科学领域:

• 生物医学光学 生物医学光学
• 癌症的诊断 癌症的诊断
• 人工智能在医学中的应用

背景情况:

• 胃癌是导致死亡的主要原因,需要快速的手术内诊断工具.
• 自体光光谱为组织分析提供了一种非侵入性方法,但在标准化,光谱分辨率和样本完整性方面面临挑战.
• 现有的方法缺乏实时手术内评估所需的速度和准确性.

研究的目的:

• 开发和验证用于快速,准确的手术内胃癌检测的综合诊断方法.
• 为了克服临床应用的自光谱学的关键挑战.
• 为了增强人工智能驱动的癌症诊断支持系统.

主要方法:

• 开发了一种光谱转移模型,以标准化不同光谱仪之间的测量 (R2 = 0.977).
• 实施了定制的冷却室,以在成像过程中保持生物样本的完整性.
• 使用修改后的U-Net 3+模型进行精确的组织分类和细分,达到88.1%的准确性.

主要成果:

• 频谱转移模型成功地将低灵敏度光谱转换为高质量,可比的光谱.
• 冷却室在自光分析过程中有效地保持了样品的完整性.
• U-Net 3+ 模型在组织分类中表现出高准确度,与拉曼显微镜和H&E染色验证一致.

结论:

• 综合方法使得快速可靠的胃癌组织分析成为可能.
• 这种方法解决了当前自光谱技术的关键局限性.
• 该系统显示了人工智能支持的内科手术癌症诊断支持的巨大潜力.