Colon Cancer Grading Using Infrared Spectroscopic Imaging-Based Deep Learning.
Colon Cancer Grading Using Infrared Spectroscopic Imaging-Based Deep Learning.
复制标题
基于红外光谱成像的深度学习，结肠癌分级。
DOI：
10.1177/00037028221076170
复制
发表时间：
2022-04
影响因子：
3.5
通讯作者：
中科院分区：
文献类型：
--
作者：
肿瘤分级评估对癌症的治疗至关重要。病理学家通常通过使用苏木精和伊红（H&E）染色的组织切片检查组织的形态组织来评估分级。傅里叶变换红外光谱（FT-IR）成像提供了一种组织的替代视图，其中可以利用来自未染色组织的空间特定分子信息。在这里，我们研究了红外成像对活检样本中结肠癌分级的潜力。我们使用148例患者队列来开发一种深度学习分类器，以使用IR吸收来估计肿瘤级别。我们证明了FT-IR成像可以是确定结直肠癌分级的可行工具，我们在一个独立的手术切除队列中验证了这一点。这项工作表明，利用FT-IR成像的分子信息并将其与形态测量相结合，是开发临床相关分级预测模型的潜在途径。
Tumor grade assessment is critical to the treatment of cancers. A pathologist typically evaluates grade by examining morphologic organization in tissue using hematoxylin and eosin (H&E) stained tissue sections. Fourier transform infrared spectroscopic (FT-IR) imaging provides an alternate view of tissue in which spatially specific molecular information from unstained tissue can be utilized. Here, we examine the potential of IR imaging for grading colon cancer in biopsy samples. We used a 148-patient cohort to develop a deep learning classifier to estimate the tumor grade using IR absorption. We demonstrate that FT-IR imaging can be a viable tool to determine colorectal cancer grades, which we validated on an independent cohort of surgical resections. This work demonstrates that harnessing molecular information from FT-IR imaging and coupling it with morphometry is a potential path to develop clinically relevant grade prediction models.
登录
查看更多内容
影响因子：
4.6
作者：
Bychkov D;Linder N;Turkki R;Nordling S;Kovanen PE;Verrill C;Walliander M;Lundin M;Haglund C;Lundin J
通讯作者：
Lundin J
影响因子：
9.6
作者：
CHAPUIS, PH;DENT, OF;COLQUHOUN, K
通讯作者：
COLQUHOUN, K
影响因子：
64.8
作者：
Esteva A;Kuprel B;Novoa RA;Ko J;Swetter SM;Blau HM;Thrun S
通讯作者：
Thrun S
影响因子：
3.7
作者：
Ahmad J;Muhammad K;Baik SW
通讯作者：
Baik SW
影响因子：
2.7
作者：
Kainz P;Pfeiffer M;Urschler M
通讯作者：
Urschler M