#活检引导

深度学习辅助内窥OCT引导肉瘤活检

该研究针对未分化多形性肉瘤和黏液纤维肉瘤，利用前向式内窥光学相干断层扫描（OCT）结合深度学习模型，在手臂和腿部离体组织样本上进行正常与肿瘤组织分类。研究对比了5种2D模型和1种自定义3D卷积神经网络（CNN），在强度OCT通道中，3D CNN达到92.67%的最高准确率；偏振敏感OCT（PS-OCT）通道则更受益于现代2D架构与3D建模，光学轴方向性能提升达9.63%。结果证实内窥OCT可作为活检中实时、无标记的组织表征工具。