深度学习辅助偏振敏感光学相干断层扫描技术在犬软组织肉瘤手术切缘评估中的应用研究

为解决犬软组织肉瘤(STS)手术切缘评估的实时性和准确性问题，研究人员基于偏振敏感光学相干断层扫描(PS-OCT)技术，开发了一种深度学习辅助的自动诊断模型。该研究通过融合多模态PS-OCT图像（包括DOPU、Optic Axis和Retardation），构建联合融合卷积神经网络，实现了91%的准确率和0.989的AUROC值，显著优于传统OCT模型。这项技术为兽医临床提供了快速、精准的术中切缘评估新工具，有望降低术后复发风险。

　　

在兽医肿瘤学领域，犬软组织肉瘤(STS)因其高侵袭性和术后易复发的特性，一直是临床治疗的难点。传统手术依赖术后组织病理学评估切缘状态，存在滞后性，导致约20%病例因切缘阳性需二次手术。光学相干断层扫描(OCT)虽能实时成像，但单一强度图像对癌变组织辨识度有限。更棘手的是，术中产生的海量OCT图像需要快速解读，而现有算法在复杂组织分界处表现欠佳——这正是偏振敏感OCT(PS-OCT)技术大显身手的舞台。

针对这一临床痛点，Ohio State University College of Veterinary Medicine（美国俄亥俄州立大学兽医学院）的研究团队在《Veterinary Oncology》发表突破性研究。他们创新性地将三种PS-OCT偏振参数（DOPU、Optic Axis和Retardation）与深度学习结合，开发出能实时定位癌变组织的智能诊断系统。这项技术不仅将切缘评估时间从数天缩短至分钟级，更通过多模态图像融合使诊断准确率跃升至91%，为兽医肿瘤手术提供了革命性的决策支持工具。

研究团队采用三项关键技术：首先，使用Thorlabs Telesto PS-OCT系统同步采集传统OCT和三种PS-OCT图像，构建包含1553个标注图像块的数据集；其次，设计联合融合策略，通过四个并行的ResNet50网络分别提取不同模态特征，加权融合后分类；最后，开发诊断曲线算法，将滑动窗口预测结果空间映射回原始图像，实现癌变区域可视化定位。

模型架构
通过对比早期融合与联合融合策略，发现后者AUROC达0.989，显著优于单一OCT模型（0.841）。如图3所示，联合融合模型的ROC曲线最接近理想左上角，证明PS-OCT提供的偏振信息可有效增强组织对比度。

案例研究
图4展示的诊断曲线在混合组织样本中表现出色：模型准确识别出癌变区域（曲线峰值）与正常脂肪组织（曲线谷值）的过渡带，这种空间分辨能力为外科医生提供了直观的切缘导航。

讨论与结论
该研究首次证实PS-OCT多参数融合在兽医肿瘤学的应用价值。相较于既往仅用OCT强度的研究，偏振参数能捕捉胶原排列异常等癌变特征，使模型在保持92%高特异性的同时，将阳性预测值提升至84%。值得注意的是，诊断曲线技术突破了传统二分类局限，实现癌灶边界亚毫米级定位，这种"热力图"式输出更符合临床需求。

尽管当前样本量（40例STS）限制了泛化性，但团队提出的滑动窗口增强策略已有效缓解数据稀缺问题。未来通过纳入更多肿瘤亚型及优化实时成像协议，这项技术或将成为兽医肿瘤精准手术的新标准——不仅降低宠物主人的经济负担，更将推动光学活检技术在动物医疗中的产业化应用。