Machine-Learning-based Colorectal Tissue Classification via Acoustic Resolution Photoacoustic Microscopy

要約

結腸直腸がんは、近年ますます蔓延している致死性の病気です。
命を救うには早期発見が重要ですが、結腸内視鏡検査や生検などの従来の診断方法には限界があります。
結腸内視鏡検査では、がんの影響を受けた組織内の詳細な情報を得ることができませんが、生検では組織の切除が必要となるため、痛みを伴い侵襲的になる可能性があります。
診断効率を向上させ、患者の苦痛を軽減するために、音響分解能光音響顕微鏡法 (ARPAM) を使用した結腸直腸組織分類のための機械学習ベースのアプローチを研究しました。
このツールを使用すると、複数の機械学習手法を使用して良性組織と悪性組織を分類することができました。
私たちのアプローチの有効性を評価するために、結果は定量的および定性的に分析されました。

要約(オリジナル)

Colorectal cancer is a deadly disease that has become increasingly prevalent in recent years. Early detection is crucial for saving lives, but traditional diagnostic methods such as colonoscopy and biopsy have limitations. Colonoscopy cannot provide detailed information within the tissues affected by cancer, while biopsy involves tissue removal, which can be painful and invasive. In order to improve diagnostic efficiency and reduce patient suffering, we studied machine-learningbased approach for colorectal tissue classification that uses acoustic resolution photoacoustic microscopy (ARPAM). With this tool, we were able to classify benign and malignant tissue using multiple machine learning methods. Our results were analyzed both quantitatively and qualitatively to evaluate the effectiveness of our approach.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google