基于高光谱成像技术与深度学习模型的甲状腺乳头状癌和结节性甲状腺肿伴乳头状增生的精准鉴别研究

【编辑推荐】针对甲状腺乳头状癌(PTC)与结节性甲状腺肿伴乳头状增生(NGPH)组织学特征相似导致的诊断难题，研究人员创新性采用400-1000 nm波段高光谱成像(HSI)技术结合自注意力一维卷积神经网络，实现87.07%的像素级分类准确率，ROC曲线下面积达0.8635，为术中快速鉴别和无创筛查提供新方案。

　　

当甲状腺乳头状癌(Papillary Thyroid Carcinoma, PTC)遇上结节性甲状腺肿伴乳头状增生(Nodular Goiter with Papillary Hyperplasia, NGPH)，连病理学家都要挠头——这对"双胞胎"在显微镜下实在难以区分。不过，高光谱成像(Hyperspectral Imaging, HSI)技术带着深度学习来破案了！

研究团队给43例PTC和39例NGPH的石蜡样本做了个"全波段体检"，从400到1000 nm的光谱信息一个不漏。经过反射率校准和Savitzky-Golay平滑处理的原始数据，被喂进搭载自注意力机制的一维卷积神经网络。结果发现，HSI在500-600 nm波段和近红外区特别"火眼金睛"，识别灵敏度突破90%大关。最终模型在像素级分类中交出87.07%的优异成绩单，ROC曲线下面积0.8635的指标更是亮眼，敏感性和特异性双双稳居87%高位。

更妙的是，光谱特征深度与组织病理参数存在显著相关性，这意味着该方法不仅能快速区分这对"李生兄弟"，还可能揭示更深层的病理机制。这项技术有望成为手术台上的"实时导航仪"和诊室里的"无创侦察兵"，让甲状腺结节患者获得更精准的诊疗方案。