娛樂城|利用近紅外成像和機器學習方法暴露隱藏的腫瘤

即使腫瘤是良性的,也會損害周圍的血管和組織。如果他們是惡性的,他們會變得攻擊性和偷偷摸摸,而且通常是不可挽回的娛樂城推薦 破壞性的。在後一種情況下,早期發現娛樂城n是治療和康復的關鍵。但是這種檢測有時可能需要先進的成像技術,超出了當今市售的技術。例如,一些腫瘤發生在器官和組織的深處,被粘膜層覆蓋,這使得科學家很難通過內窺鏡檢查等標準方法直接對其進行觀察(通過細管將小型相機插入患者體內)或在進行活檢時到達。尤其是胃腸道間質瘤(GIST)-通常在胃和小腸中發現-需要苛刻的技術,這些技術非常耗時並且會延長診斷時間。現在,為了改善GIST診斷,Dr。日本東部國家癌症中心醫院的佐藤大樹,池松弘明和桑田武志,日本理研先進光子學中心的橫田英夫博士和博士。由日本東京科學大學的高松敏弘(Toshihiro Takamatsu)和我的Kohei Soga(Sohei Soga)由武村浩史(Hiroshi Takemura)博士領導,開發了一種將近紅外高光譜成像(NIR-HSI)與機器學習一起使用的技術。他們的發現發表在《自然》雜誌上 科學報告Takemura博士解釋說:“這種技術有點像X射線,其思想是使用可以穿過人體的電磁輻射來生成內部結構的圖像,”他說,“區別在於X射線的波長為0.01 -10 nm,但近紅外在800-2500 nm左右。在該波長下,近紅外輻射使圖像中的組織看起來透明。這些波長甚至比可見光對患者的危害也較小。科學家可以安全地研究組織內部隱藏的東西,但是直到Takemura博士和他的同事進行的研究之前,還沒有人嘗試對GIST等深部腫瘤使用NIR-HSI。在談到促使他們進行此調查的原因時,竹村博士向已開始其研究旅程的已故教授表示敬意:“這個項目之所以成為可能,是因為已故的Kazuhiro Kaneko教授打破了醫生與工程師之間的障礙並建立了這種合作關係。我們按照他的意願。”竹村的團隊進行了成像娛樂城推薦 在12例經手術切除腫瘤的確診為GIST的患者中進行了實驗。科學家使用NIR-HSI對切除的組織成像,然後讓病理學家檢查圖像以確定正常組織與腫瘤組織之間的邊界。這些圖像隨後被用作機器學習算法的訓練數據,本質上講是教計算機程序來區分圖像中代表正常組織的像素與代表腫瘤組織的像素。即使12個像素中有10個測試腫瘤被全部或部分覆蓋 娛樂城評價在粘膜層,機器學習分析可有效識別GIST,以86%的準確度正確編碼腫瘤和非腫瘤部分的顏色。 Takemura博士解釋說:“這是一個非常令人興奮的進展,無需進行活檢就能夠準確,快速且無創地診斷不同類型的粘膜下腫瘤,這種手術需要手術,這對患者和患者都非常容易。醫生。”竹村(Takemura)承認前方仍然存在挑戰,但認為他們已準備好解決它們。研究人員確定了幾個可以改善其結果的領域,例如使訓練數據集更大,添加有關機器學習算法的腫瘤深度的信息,以及在分析中包括其他類型的腫瘤。正在開發基於現有內窺鏡技術的NIR-HSI系統的工作。“我們已經建立了將NIR-HSI攝像機連接到內窺鏡末端的設備,希望直接進行NIR-HSI分析Takemura博士說:“不久後,它不僅可以用於手術切除的組織上,還可以用於將GISTs與其他類型的黏膜下腫瘤分離開,這可能更具有惡性和危險性。”通過這種跨學科的合作,這是邁向未來更多突破性研究的第一步。“目前,一種可以早期在臨床上廣泛應用的準確無創地早期檢測GIST的方法即將在臨床上普及!參考:Sato D,Takamatsu T梅澤M.et al. 通過近紅外高光譜成像區分手術切除的胃腸道間質瘤。 科學代表 2020; 10,:21852。 doi:10.1038 / s41598-020-79021-7本文已通過以下材料重新發表。注意:材料的長度和內容可能已被編輯。有關更多信息,請聯繫引用的來源。