基于数字全息成像与机器学习的淋巴结转移检测新方法

《IEEE Photonics Journal》:Detection of Lymph Node Invasion Using Digital Holographic Images and Machine Learning

【字体: 大 中 小 】 时间:2026年01月04日 来源:IEEE Photonics Journal 2.4

编辑推荐:

  本刊推荐:为解决结直肠癌淋巴结转移(LNM)标准组织学评估存在的组织脆弱性、处理困难及病理学家阅片耗时等挑战,研究人员开展了结合无标记数字全息显微镜(DHM)与机器学习(ML)的淋巴结侵袭检测研究。通过提取定量相位图像(QPIs)的超像素相位偏移参数,采用双层分类模型(粗/细粒度)实现正常与侵袭区域的自动分割,灵敏度达97.91%,特异性达98.62%。该工具为病理学家提供计算机辅助诊断支持,推动癌症诊断向客观化、高效化迈进。

  
在结直肠癌的临床诊疗中,淋巴结转移(LNM)的准确检测是决定患者预后和治疗方案的关键因素。然而,传统的组织学评估方法面临多重挑战:淋巴结组织本身脆弱易损,制备病理切片难度大;病理学家需手动阅片,耗时耗力且易受主观因素影响。尤其对于微转移或孤立肿瘤细胞,因其体积小、分布异构,更易漏诊。现有辅助技术如连续切片联合免疫组化(检测细胞角蛋白)或分子检测(如一步核酸扩增法)虽能提高灵敏度,但存在操作繁琐、成本高或破坏组织样本等局限。数字病理学(DP)虽展现出应用潜力,但其临床推广仍受限于多中心数据标准化、样本变异等问题。
在此背景下,一项发表于《IEEE Photonics Journal》的研究提出了一种创新解决方案:将无标记数字全息显微镜(DHM)与机器学习(ML)相结合,实现淋巴结转移的自动化检测。研究人员通过DHM获取未染色组织切片的定量相位图像(QPIs),利用超像素分割和相位偏移参数提取技术,构建双层分类模型,精准区分正常组织与肿瘤侵袭区域。这一方法不仅显著提升检测效率,更为病理学家提供了可靠的计算机辅助诊断工具。
本研究的关键技术方法包括:1)使用DHM-T1000显微镜采集未染色淋巴结组织切片的全息图,重建为750×750像素的QPIs;2)通过MATLAB平台开发图像处理流程,手动标注像素级标签(正常N、侵袭I、空白E),并计算674个相位偏移相关参数(涵盖统计描述、表面粗糙度、形态学、纹理及放射组学特征);3)采用SLIC超像素算法将QPIs分割为粗(100超像素)、细(900超像素)两级单元,基于LightGBM框架训练分层分类模型;4)通过10折交叉验证优化模型性能,并以留一患者法验证泛化能力。
III. 结果与讨论
A. 淋巴结组织的QPIs
研究从14例结肠息肉患者的淋巴结样本中获取156幅QPIs,图像清晰展示正常、侵袭及混合区域的相位差异(图2)。正常组织相位值分布较均匀,侵袭区域因细胞密度和结构改变呈现特定相位特征。
B. 工作流程实施
研究设计了两种工作流程变体(Variant_1和Variant_2)。Variant_1将超像素分为7类(N、I、E及混合类),但面对类别不平衡时宏准确率仅44.01%;Variant_2将E像素合并至N类,简化为3类(N、I及混合NI),显著提升宏准确率至86.49%。特征重要性分析(图3)显示纹理参数(如GLCM熵、对比度)比强度参数更具判别力,表明肿瘤组织具有更低异质性和空间变异度。
C. 结果验证
在像素级分割测试中(表III),Variant_2对10,687,500像素的分类总体准确率达98.34%,对侵袭类像素的灵敏度(召回率)为97.91%,特异性为98.62%(图6)。ROC曲线(图7)证实其分类性能优异。示例QPIs分割结果(图8)显示,模型能清晰勾勒肿瘤边界,并将少数混合超像素以不同色调标注,提示需人工复核区域。留一患者验证中,模型宏准确率保持90.95%(粗模型)和89.95%(细模型),证明其泛化能力。
V. 结论
本研究成功将超像素算法与机器学习分类器结合,实现了基于DHM无标记成像的淋巴结转移精准检测。Variant_2工作流程以高灵敏度(97.91%)和特异性(98.62%)平衡了假阳性和假阴性风险,适用于临床筛查和确诊场景。该方法简化了样本制备流程(无需染色),通过纹理参数优先策略提升了肿瘤组织的识别可靠性。未来研究将扩展至更多淋巴结类型(如初始态、活化态),通过扩大数据集和优化模型架构进一步提高分类灵敏度。该技术为数字病理学提供了可集成于常规工作流的辅助工具,有望推动癌症诊断向自动化、标准化发展。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号