反射共焦点顕微鏡における深層学習は基底細胞癌のRamanスペクトル診断を改善する【JST・京大機械翻訳】

Chen, M.; Feng, X.; Fox, M. C.; Reichenberg, J. S.; Lopes, F. C. P. S.; Sebastian, K. R.; Markey, M. K.; Tunnell, J. W.

プレプリント

J-GLOBAL ID：202202206545474257 整理番号：22P0317045

反射共焦点顕微鏡における深層学習は基底細胞癌のRamanスペクトル診断を改善する【JST・京大機械翻訳】

Deep learning on reflectance confocal microscopy improves Raman spectral diagnosis of basal cell carcinoma

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (8件)： , , , , , , ,
資料名：
発行年： 2022年03月04日プレプリントサーバーでの情報更新日： 2022年03月04日
JST資料番号： O7001B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

Significance Raman分光法は,皮膚癌診断のためのMohsマイクログラフ手術を助けるのに有用である。しかし,Raman分光法の特異性は,腫瘍と表皮や毛包のような正常組織構造の間の高いスペクトル類似性によって制限される。反射共焦点顕微鏡(RCM)は,組織学と類似の形態学的および細胞学的詳細を有するイメージングガイダンスを提供できる。深層学習支援RCMとRaman分光法の組み合わせは,臨床医からの付加的入力を必要とせずに,Ramanの診断精度を改善する可能性がある。目的:著者らは,人工神経ネットワークを用いてRCM画像から情報を統合することによって,基底細胞癌(BCC)に対するRamanの特異性を改善することを追求する。アプローチA Raman生物物理学的モデルを,周囲の正常組織構造からBCC腫瘍を分類するため,以前の研究で使用した。191のRCM画像を,Ramanデータと同じサイトから収集し,2つのResNet50ネットワークを訓練するための入力として使用した。ネットワークは,Raman生物物理モデルの陽性予測に対応するすべての画像の中で,それぞれ毛髪構造画像と表皮画像を選択した。【結果】RCM画像に関する深い学習は,Raman生物物理モデル結果から偽陽性予測の54%を除去し,感度を100%に保つ。特異性は,Raman分光法をRCM画像と統合して,Raman分光法をRCM画像と組み合わせることによって84.8%から93.0%まで改善し,Raman分光法と深いラーニング支援RCMイメージングを組み合わせることは,腫瘍切除手術をガイドする有望なツールである。【JST・京大機械翻訳】

, , , , , , , , , , , , ,
, , 【Automatic Indexing@JST】

腫ようの診断 , 医療用機器装置

, , , ,

前のページに戻る