乳腺癌的多模态显微谱像分析及智能融合诊断研究

显微成像以及荧光光谱技术是研究乳腺癌组织特性的重要手段,可有效反映组织形态结构和生化成分的变化。本课题组采用自行设计和加工的倒置荧光显微镜,对患者乳腺组织的显微图像和荧光光谱进行同步收集,然后进行明场图像和多波长荧光显微图像以及荧光光谱数据的综合分析和融合。在光谱分析方面,采用高斯拟合模型对荧光光谱进行分峰处理,以探究乳腺癌发展过程中荧光成分的变化规律。研究结果显示,乳腺癌组织在520 nm和635 nm中心波长处的荧光谱带峰面积与470 nm处的峰面积之比(A520/A470和A635/A470)约为正常乳腺组织的1.65倍和2.07倍。因此,本课题组提出将峰面积比A520/A470和A635/A470作为乳腺癌检测的潜在指标。此外,构建了基于显微图像和荧光光谱的谱像融合神经网络,并采用该网络实现了对乳腺癌的智能诊断,最终AUC(受试者工作特征曲线下面积)得分和测试集准确率分别达到了0.95和86.38%,明显优于各单模态模型。本研究结果表明,双模态显微成像和荧光光谱技术在乳腺癌分析、诊断中具有独特优势,结合深度学习构建的谱像融合网络可为乳腺癌智能诊断提供有效途径。