贝克曼高级科学技术研究所生物光子成像实验室的研究人员将深度学习应用于偏振敏感光学相干断层扫描(PS-OCT)，以更好地检测癌症
此处显示:癌症、脂肪和间质组织标本的代表性计算性PS-OCT图像，与真实的PS-OCT图像进行比较
学分:npj数字医学，DOI: 10
1038/s 141746-021-00475-8
易“埃德温”孙，博士
D
伊利诺伊大学厄巴纳-香槟分校电气和计算机工程专业的候选人、斯蒂芬·博帕特领导的贝克曼研究所生物光子成像实验室的成员，探索了深度学习方法如何使偏振敏感光学相干断层扫描(PS-OCT)更具成本效益，并更好地诊断生物组织中的癌症
这篇题为“通过深度学习合成偏振敏感光学相干断层扫描”的论文发表在npj数字医学杂志上
光学相干断层扫描系统在临床上很常见，用于生成人体区域的高分辨率横截面图像
孙和他的团队开发了一种开创性的方法，将软件应用于光学相干断层扫描工具，以提供偏振敏感的能力，而没有基于硬件的光学相干断层扫描成像系统的成本和复杂性
孙说:“我们正在尝试更换与PS-OCT相关的硬件。”
“然而，[它]仍处于开发和研究阶段
通过在光学相干断层扫描系统上增加深度学习模型，我们突然获得了无需传统硬件的PS-光学相干断层扫描能力
" 光学相干断层扫描是一种非侵入性成像测试，使用光波来确定生物样本的属性
然而，通过使该工具能够使用偏振灵敏度，科学家可以检测光学相干断层扫描本身无法捕获的相关信息
例如:光学相干断层扫描能够以精确的方式区分组织，当更大的特征清晰时；PS-OCT可以在更深的层次上检测异常，区分微结构特征，如与正常区域相比，在癌症感染区域发生变化的胶原纤维方向
“我们证明了将我们的方法应用于其他系统可以生成PS-OCT对比度，并且这种模型可以在许多OCT系统上使用，以帮助我们比单独使用OCT系统更好地区分癌症组织和其他类型的组织，”孙说
“这是一个巨大的进步，使这个系统更适合癌症诊断
" 深度学习是机器学习的一个子集，它使Sun的团队能够创建软件，与OCT系统配对，以提供偏振灵敏度
“深度学习提供了一种更高级的方法来提取图像中的细微特征，这可以用于更精确的分割和分类
它还允许成像工具使用多层来获取图像中的空间特征，”孙说
通过应用历史数据，深度学习方法有助于准确的诊断甚至医学预测
Sun的团队通过预测一张12月份郁郁葱葱的夏季森林的照片来测试他们的模型:贫瘠、灰色，也许树上还有少量的冰和雪
考虑到这个概念，来自光学相干断层扫描系统的图像，加上这种深度学习方法，甚至可以预测来自更复杂和昂贵的光学相干断层扫描系统的光学相干断层扫描图像
鉴于孙和他的团队的研究是一项开创性的研究，合成的PS-OCT可能需要几年的时间和大量的数据才能达到临床阶段
一旦实现，临床医生可能能够将该模型应用于商业系统，并具有更强的癌症检测能力，使用PS-OCT生成的图像来辅助癌症诊断
“埃德温的研究真正突出了人工智能和深度学习方法的力量和潜力，可以从标准的光学相干断层扫描图像中预测和生成合成的光学相干断层扫描图像，这是一种图像到图像的转换
随着光学相干断层扫描在医疗领域的应用越来越多，这一进展可能会产生广泛的影响，并最终有助于提高疾病的检测和诊断，”孙博士说
D
既是医生又是UIUC工程教授的论文顾问
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
