成功可信度中
其他行业 · AI应用
乳腺癌手术中的实时癌细胞检测
研究人员开发了一种结合光学相干显微镜（OCM）成像与深度学习的诊断技术，能够在手术过程中实时区分癌细胞和良性细胞。该技术旨在为外科医生提供切除肿瘤周围组织边缘的即时反馈，从而减少因术后实验室结果发现残留癌细胞而需要进行二次手术的高比例。该技术使用深度学习模型、TensorFlow、cuDNN和NVIDIA TITAN X GPU实现，准确率超过90%，有望降低乳腺癌手术的成本和患者风险。
理海大学 (Lehigh University)发布于 2026年7月27日阅读 0
开发了一种结合光学相干显微镜（OCM）成像与深度学习的诊断技术，用于实时癌细胞检测。
未披露
在区分癌细胞和良性细胞方面实现了超过90%的准确率。
未披露
在乳腺癌手术期间为外科医生提供组织边缘的即时反馈。
未披露
01
业务背景
研究人员开发了一种结合光学相干显微镜（OCM）成像与深度学习的诊断技术，能够在手术过程中实时区分癌细胞和良性细胞。该技术旨在为外科医生提供切除肿瘤周围组织边缘的即时反馈，从而减少因术后实验室结果发现残留癌细胞而需要进行二次手术的高比例。该技术使用深度学习模型、TensorFlow、cuDNN和NVIDIA TITAN X GPU实现，准确率超过90%，有望降低乳腺癌手术的成本和患者风险。
02
遇到的问题
03
AI 解决方案
04
实施结果
开发了一种结合光学相干显微镜（OCM）成像与深度学习的诊断技术，用于实时癌细胞检测。：
在区分癌细胞和良性细胞方面实现了超过90%的准确率。：
在乳腺癌手术期间为外科医生提供组织边缘的即时反馈。：
旨在减少因术后实验室结果发现残留癌细胞而需要进行二次手术的高比例。：
可能降低乳腺癌手术相关的成本和患者风险。：
05
风险与边界
客户 / 负责人引述
“”
信息来源
1 个来源页面内容为结构化改写；关键结论应可追溯到以下材料。