帮助膀胱癌诊断的新技术
研究人员开发了一种新的创新自动化计算机技术，能够显著帮助膀胱癌的诊断。
这项技术可以快速有效地分析可疑病变图像，然后对癌症风险进行分类，该技术已在医学杂志上发表泌尿道的肿瘤．
“我们所做的是开发一种计算机程序，对膀胱镜检查图像进行自动分析，”该研究的主要作者、麦考瑞大学ARC纳米生物光子学卓越中心(CNBP)研究员、Quantitative Pty Ltd.董事马丁·戈斯内尔博士说。
膀胱镜检查是最可靠的诊断方法之一膀胱癌Gosnell博士解释道。
“对膀胱及其内部进行了图像拍摄，以确定是否可疑病变在例行的临床病人评估中。根据检查结果，可以将初步扫描转到更有经验的泌尿科医生，并对可疑组织进行活检。”
Gosnell博士说，问题在于临床医生在检查初始图像的基础上，根据他们的专业知识，对下一步应该采取的行动做出视觉判断，比如是否需要进行活检，以进行后续的病理分析。
“最初视觉评估的主观特征可能会导致潜在的错误和不必要的进一步干预。”
Gosnell博士说:“我们所做的是创造一种自动图像分析技术，可以识别高风险或最低风险的组织和病变。”这在多个层面上都是有益的。”
“在分析之后，可以作为紧急优先事项更密切地跟踪高风险诊断。另外，在诊断过程的早期就可以发现低风险病变，从而减少需要进行的转诊或活检的数量。”
麦考瑞大学教授、ARC纳米生物光子学卓越中心副主任、该研究论文的高级作者Ewa Goldys解释说，病变分类系统是使用专门的颜色分割过程开发的。
“首先，由临床专家解释在常规临床患者评估期间拍摄并有活检支持的细胞镜图像。它们被分为健康、静脉组织、炎症或癌变。”她说。
“这种视觉评估是基于病变或感兴趣组织的颜色、表面、形状和大小等方面。”
“我们的任务是设计一种计算机化的方法，可以模仿专家的诊断能力。我们通过开发一种自动成像程序来实现这一点，该程序能够分析被检查的每块组织的特定颜色、亮度和纹理，精确到像素级。”
“这提供了一个明确的分类系统——图像中是否存在特定特征，与肿瘤的健康或癌变性质保持一致组织接受检查。”
戈迪斯教授表示:“自动化系统的结果非常有希望。”
“使用我们创新的计算机程序，100%的癌变图像被检测出来。所有良性病变也都被成功识别。”
戈迪斯教授认为，自动化诊断系统可以有效地协助医生和护士评估膀胱镜检查图像。
她说:“这个系统在支持缺乏经验的泌尿科医生和泌尿科护士方面特别有用，为他们的评估提供客观的确认。”
Goldys教授总结道:“这项额外的分析也有可能减少接受错误评估或不必要的膀胱活检的患者数量，为癌症诊所提供更高的效率和有效性。”
进一步探索
用户评论