マルチモーダル光干渉断層撮影および光音響弾性測定による脳組織の学習特徴量ベースクラスタリング

科学分野:

• 生物医学イメージング
• 組織光学
• 計算病理学

背景:

• 光干渉断層撮影（OCT）および光音響（PA）イメージングは、振幅を超えた豊富なデータを提供します。
• 固有の光学的および機械的組織特性の抽出は依然として課題です。

研究 の 目的:

• OCTおよびPA信号から組織特性を抽出するための教師なしクラスタリングフレームワークを開発すること。
• 疾患病理学調査のための組織構成要素のラベルフリー区別を可能にすること。

主な方法:

• 空間領域OCTおよび時間領域PAプロファイルを利用しました。
• 修正K平均法およびスペクトルクラスタリングを使用した教師なしクラスタリングフレームワークを開発しました。
• 基盤となる組織特性を推測するために代表的な特徴を学習しました。

主要な成果:

• 明瞭な組織タイプに対応する潜在的な特徴クラスターを正常に特定しました。
• マウス脳スライスで手法を検証し、主要な脳領域を明確に区別しました。
• 固有の特性に基づいて脳組織構成要素の区別を実証しました。

結論:

• 提案されたフレームワークは、OCTおよびPAイメージングから固有の組織特性を効果的に抽出します。
• このラベルフリー法は、脳疾患病理学の調査のための強力なツールを提供します。
• このアプローチは、複雑な組織構造の区別を容易にします。