Macroscopic inelastic scattering imaging using a hyperspectral line-scanning system identifies invasive breast cancer in lumpectomy and mastectomy specimens
Notice bibliographique
Résumé
SignificanceOf patients with early-stage breast cancer, 60% to 75% undergo breast-conserving surgery. Of those, 20% or more need a second surgery because of an incomplete tumor resection only discovered days after surgery. An intraoperative imaging technology allowing cancer detection on the margins of breast specimens could reduce re-excision procedure rates and improve patient survival.AimWe aimed to develop an experimental protocol using hyperspectral line-scanning Raman spectroscopy to image fresh breast specimens from cancer patients. Our objective was to determine whether macroscopic specimen images could be produced to distinguish invasive breast cancer from normal tissue structures.ApproachA hyperspectral inelastic scattering imaging instrument was used to interrogate eight specimens from six patients undergoing breast cancer surgery. Machine learning models trained with a different system to distinguish cancer from normal breast structures were used to produce tissue maps with a field-of-view of 1 cm2 classifying each pixel as either cancer, adipose, or other normal tissues. The predictive model results were compared with spatially correlated histology maps of the specimens.ResultsA total of eight specimens from six patients were imaged. Four of the hyperspectral images were associated with specimens containing cancer cells that were correctly identified by the new ex vivo pathology technique. The images associated with the remaining four specimens had no histologically detectable cancer cells, and this was also correctly predicted by the instrument.ConclusionsWe showed the potential of hyperspectral Raman imaging as an intraoperative breast cancer margin assessment technique that could help surgeons improve cosmesis and reduce the number of repeat procedures in breast cancer surgery.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».