Automated Diagnosis Of Cutaneous Malignant Melanoma in Histological Slides Using Spectral Imaging Technology

نظراً لتزايد حدوث الملانوم الجلدي الخبيث و صعوبات التشخيص السريرية و النسيجية، فمن اللازم البحث عن طريقة تشخيص سريعة و ذات مصداقية عالية، فكانت التصوير الطيفي المؤتمت للشرائح النسيجية للملانوم الجلدي، حيث يتم استعمال المعلومات المورفولوجية مع المعلومات المكانية في إنشاء بصمة النسيج، عن طريق تعليم الآلة (machine learning). تم دراسة 31 خزعة جلدية بينهم 11 ملانوم خبيث، و 16 آفة حميدة، و 4 خزع لجلد طبيعي. التقطت صور لشرائح نسيجية ملونة روتينياً أثناء التقييم باستعمال كاميرا رقمية (CCD Camera) مركبة على مطياف ضوئي تتراوح أطوال موجته الضوئية من 390 حتى 700 نانومتر. بينت نتائج أتمتة التصنيف في التعرف على الخلايا الخبيثة في شرائح ملانوم الجلد الخبيثة بنسبة تراوحت بين 65-82%، و هي نتائج واعدة جداً. و أظهرت طريقة التصنيف غير الموجّه نتائج أفضل من ذلك. يجب في المستقبل استكمال تصنيف أنواع نسج أخرى و تشكيل قاعدة بيانات لكل نوع من الأنسجة و الأمراض، لأجل استخدامها كعامل داعم في التشخيص الدقيق و الصحيح.

Inasmuch as for incrimination of occurrence dermal malignant melanoma and difficulties of the clinical and histological diagnosis, so it is needed to search about method, giving fast diagnosis and self of high credibility, so the automatic spectral imaging was for the histological slides of dermal melanoma, where use of the morphological information is complete with the local information in establishing of the tissue print, through education of the machine (machine learning). 31 Cutaneous biopsies have been studied, of their 11 malignant melanomas, 16 benign lesions, and 4 normal skin. It has done spectral imaging for Histological sections stained routinely during the evaluation in digital camera pick up (CCD Camera) on luminous spectroscope, his luminous wavelengths ranges from 390-700 nanometer. the automated classifying results showed in the acquaintance on the malignant cells in tumor tissues in a ratio of ranged between 65-82%, these are very promising results. method of the non-supported classification revealed better results. in the future, we must complete classification of all types of other tissues, and build data base characterized each type of disease in various tissues. in order to use it as supportive factor in the accurate diagnosis and correct.