癌症有两种分类方式：按癌症起源的组织类型(组织学类型)和按原发部位(即癌症最初在体内发生的位置)分类。现在，德克萨斯理工大学的研究人员开发了一种深度学习模型，可以按类型对癌细胞进行分类。深度学习网络分析图像以准确有效地对细胞类型进行分类。
该研究结果发表在APL机器学习杂志上，题为“使用基于深度学习的图像分析对不同癌细胞进行无标记识别”。
“癌细胞具有高度异质性，最近的研究表明，特定的细胞亚群，而不是整体，导致癌症转移，”作者、德克萨斯理工大学副教授李伟博士说。“识别癌细胞亚群是确定疾病严重程度的关键一步。”
研究人员写道：“癌症诊断是癌症恢复和生存的一个重要领域，需要许多昂贵的程序来进行正确的治疗。”“机器学习(ML)方法可以帮助对液体活检中的循环肿瘤细胞或固体活检中的原发肿瘤进行诊断预测。通过深度学习模型预测转移潜力后，临床环境中的医生可以为特定患者提供安全、正确的治疗。本文研究了如何使用深度卷积神经网络来预测特定的癌细胞系，作为无标记识别的工具。”
“这些复杂且冗长的技术的问题在于，它们需要资源和精力来探索癌症预防和康复的不同领域，”德克萨斯理工大学研究助理、作者卡尔·加德纳博士说。
“在拍摄细胞照片时，我们的分类程序不包含额外的化学物质或生物溶液，”加德纳说。“这是一种‘无标记’的转移潜力识别方法。”
该团队的神经网络也易于使用、高效且自动化。在向其提供图像后，该工具会将数据转换为概率。低于0.5的结果将癌症归类为一种细胞类型，而高于0.5的数字则指定另一种细胞类型。
该工具经过训练，可以使用两种癌细胞系的一组图像来优化预测的准确性。研究中使用的数据集的准确率达到了94%以上。
作者的目标是扩展和概括该模型以包括单细胞和细胞簇。
标签：
免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！