肿瘤神经外科的智能组织学
计算机视觉与模式识别
2025-07-08 v1
摘要
对于手术组织样本的快速准确组织学分析的重要性已被广泛认识，至少有一百年。这一标准护理内镜组织病理学工作流程基于光学显微镜和 H&E 组织学，缓慢、资源密集，且缺乏实时数字成像能力。本文提出了一种新兴且创新的内镜组织学分析方法，称为智能组织学（Intelligent Histology），将人工智能（AI）与刺激拉曼组织学（SRH）相结合。SRH 是一种快速、无标签、的数字成像方法，用于实时微观组织肿瘤组织分析。SRH 能在数秒内生成手术标本的高分辨率数字图像，实现AI驱动的肿瘤组织学分析、分子分类和肿瘤浸润检测。我们综述了智能组织学在神经外科中的科学背景、临床转化及未来应用。我们聚焦于已展示智能组织学在多种神经外科专科具有变革性潜力的主要科学和临床研究，包括神经内分泌肿瘤学、颅骨基础、脊柱肿瘤学、儿童肿瘤和周围神经肿瘤。未来方向包括通过多机构数据集开发AI基础模型，融合临床和放射学数据进行多模态学习，以及预测患者预后。智能组织学代表了一种变革性的内镜工作流程，可为21世纪神经外科重塑实时肿瘤分析。
引用
@article{arxiv.2507.03037,
title = {Intelligent Histology for Tumor Neurosurgery},
author = {Xinhai Hou and Akhil Kondepudi and Cheng Jiang and Yiwei Lyu and Samir Harake and Asadur Chowdury and Anna-Katharina Meißner and Volker Neuschmelting and David Reinecke and Gina Furtjes and Georg Widhalm and Lisa Irina Koerner and Jakob Straehle and Nicolas Neidert and Pierre Scheffler and Juergen Beck and Michael Ivan and Ashish Shah and Aditya Pandey and Sandra Camelo-Piragua and Dieter Henrik Heiland and Oliver Schnell and Chris Freudiger and Jacob Young and Melike Pekmezci and Katie Scotford and Shawn Hervey-Jumper and Daniel Orringer and Mitchel Berger and Todd Hollon},
journal= {arXiv preprint arXiv:2507.03037},
year = {2025}
}