高光谱成像联合深度强化学习实现肝细胞癌与肝内胆管癌的精准术中分型

为解决原发性肝癌亚型术中快速鉴别难题，研究人员创新性结合高光谱成像(HSI)与深度强化学习技术，构建全球首个肝脏肿瘤临床HSI数据集(n=131)。通过3D残差神经网络(3D-ResNet)和近端策略优化(PPO)算法，实现95%的准确率，为精准肿瘤学提供革命性术中决策工具。

　　

这项突破性研究开创性地将高光谱成像(HSI)技术与深度强化学习相结合，为肝脏肿瘤的术中精准诊断带来革命性进展。针对肝细胞癌(HCC)和肝内胆管癌(ICC)这两种原发性肝癌亚型鉴别难题，研究团队首次建立了覆盖400-1000_nm光谱范围的临床HSI数据集(样本量n=131)。

核心技术亮点在于创新性地构建了"双轮驱动"智能框架：一方面采用能提取空间-光谱特征的3D残差神经网络(3D-ResNet)，另一方面通过近端策略优化(PPO)算法将波段选择转化为马尔可夫决策过程。特别引入的类内约束交叉熵损失函数，犹如给模型装上"分子显微镜"，显著提升了类间区分度和类内紧密度。

实验数据令人振奋：分类准确率高达95%，远超传统波段选择方法。这项技术突破犹如为外科医生装配了"智能光谱眼"，能在手术过程中实时辨别肿瘤亚型，完美解决肝癌精准诊疗中的"时间窗"难题。该研究不仅为精准肿瘤学提供新范式，更将深度强化学习的"决策智能"与HSI的"分子指纹"识别能力有机融合，开创了智能外科的新纪元。