視頻 | 最佳 TFG – 乳腺癌鑑定

題為“多光譜顯微圖像中的數字染色”的作品。 Elena María Ruiz Izquierdo 開發並由 Jesús Salido Tercero 和 María Gloria Bueno García 指導的“應用於乳腺癌鑑定”是第二版 Máquina de Turing 授予的研究結束項目 (TFE) 之一。 您可以通過以下視頻看到工作總結：

摘要：

人工智能是一項逐漸融入我們生活的技術。 特別是計算機視覺在安全、自動導航、醫學等各個領域的應用尤為突出。 就這樣，它成為當下興起的學科之一。 該技術在醫學領域的應用促進了巨大進步，有助於疾病的診斷和分析、降低成本和簡化流程。

該項目的目的是在卷積神經網絡的幫助下對乳腺組織活檢的多光譜圖像進行分類，從而檢測腫瘤組織並將腫瘤樣本與非腫瘤樣本區分開來。 為此，使用了乳腺組織完整組織學樣本的多光譜圖像，在 425nm 至 697nm 的範圍內以 4nm 的間隔拍攝，總共有 69 個波長。 使用這些樣本，可以識別和表徵腫瘤區域及其不同組織的圖譜。 未染色和生物標誌物染色的組織學製備或樣品的圖像已用於比較。

使用帶有高光譜相機的光學顯微鏡在不同波長下獲取未染色樣品的圖像。 出於這個原因，進行了一項分析，以確定它們是否為使用普通相機獲取的圖像所獲得的信息提供了額外的信息，此外，是否有可能將這些圖像分類為惡性和良性組織。 因此，提出了使用多光譜圖像實現的分類模型之間的比較，以得出結論，它們中哪一個獲得更高的性能且成功率更接近染色製劑圖像的分類模型。

創建不使用任何生物標記物染色的組織圖像分類器將消除樣品製備和解釋產生的可變性，同時避免其高成本。 為了隨後使用基於染色樣本的當前方法驗證這些技術，已經應用深度學習技術實施了幾種數字染色方法。 這些數據的建模也將有助於在細胞和組織水平上分析結構相互作用。