512 × 512 SPAD配列による二層分散相関スペクトロスコピーの分析モデルの深層学習実装を用いた脳血流モニタリング
Mingliang Pan1, Chenxu Li1, Yuanzhe Zhang1
1University of Strathclyde, Department of Biomedical Engineering, Glasgow, United Kingdom.
Neurophotonics
|August 20, 2025
まとめ
ディープラーニングは,リアルタイムで脳血流指数 (CBFi) を監視するための分散相関スペクトロスコーピー (DCS) を加速します. この方法は 精度と感度を高め ベッドサイド神経モニタリングの 伝統的なモデルの限界を克服します
科学分野:
- 生物医学光学
- 神経科学
- 医療用画像検査
背景:
- 多層分散相関スペクトロスコーピー (DCS) モデルは,脳血流指数 (CBFi) の測定感度を高めますが,計算的に集中しています.
- 既存のモデルは,パラメータ依存と計算負荷のため,ベッドサイドのリアルタイムモニタリングで苦労しています.
研究 の 目的:
- 2層の分析モデルを使用して,迅速で正確なDCSデータ処理方法を開発します.
- 脳の感度が向上したリアルタイムで 脳 perfusion 監視を可能にします.
主な方法:
- ディープラーニング (DL) を使ってDCSのデータ処理を加速し,2層のDCS分析モデルに関するトレーニングを行いました.
- 騒音推定のためのSPAD配列とモデルの検証のためのモンテカルロシミュレーションを使用した.
- シングルエクスポネンショナルと2層の分析方法と比較したDL性能.
主要な成果:
- DLを使用して35mmの距離でCBFをリアルタイムでモニタリングし,従来の方法と比較してより高い精度 (4.1%の誤差) とより高いCBF感度 (86.5%) を獲得しました.
- DLアプローチは単次指数関数型より750倍速く 血流の表面的な影響を最小限にします
- In vivo試験では,この方法がリアルタイムで脳パルフュージョンをモニタリングし,パルサチル波形を回復することを確認しました.
結論:
- DLを2層のDCSモデルと統合することで,深さの感受性を犠牲にすることなく,正確なリアルタイムの脳 perfusion 監視が可能になります.
- 提案された方法は,CBFiの感度と回収精度を高めます.
- ベッドサイド神経モニタリングアプリケーションの将来的な展開をサポートします.
