利用中红外光谱成像与深度学习进行卵巢癌组织亚型分类
组织与器官
2023-07-19 v2 图像与视频处理
摘要
中红外光谱成像（MIRSI）是一类新兴的无标记技术，正被应用于数字组织病理学。现代卵巢癌的组织病理学识别涉及组织染色及随后的形态学模式识别。该过程耗时、主观且需要丰富专业知识。本文提出使用一种新型MIRSI技术，即光学光热红外（O-PTIR）成像，首次实现卵巢癌组织亚型的无标记、定量且自动化的组织学识别。该技术相对于既往仪器在空间分辨率上提升10倍，能够对组织在生化重要的指纹波段进行亚细胞光谱研究。我们证明，亚细胞特征的增强分辨率结合光谱信息，能够可靠地分类卵巢细胞亚型，分类准确率达0.98。此外，我们基于74例患者样本、超过6000万个数据点给出统计稳健的验证。我们表明，来自五个波数的亚细胞分辨率足以超越基于多达235个波数的最先进衍射极限技术。我们还提出两个基于上皮与间质相对量的定量生物标志物，在早期癌症诊断中展现出效能。本文证明，将深度学习与内禀生化MIRSI测量相结合可实现癌变组织的定量评估，提升组织病理学的严谨性与可重复性。
引用
@article{arxiv.2205.09285,
title = {Leveraging mid-infrared spectroscopic imaging and deep learning for tissue subtype classification in ovarian cancer},
author = {Chalapathi Charan Gajjela and Matthew Brun and Rupali Mankar and Sara Corvigno and Noah Kennedy and Yanping Zhong and Jinsong Liu and Anil K. Sood and David Mayerich and Sebastian Berisha and Rohith Reddy},
journal= {arXiv preprint arXiv:2205.09285},
year = {2023}
}