基于机器学习的超光谱成像基准用于手术内脑瘤检测
Raquel Leon1, Himar Fabelo2,3, Samuel Ortega4,5
1Research Institute for Applied Microelectronics, University of Las Palmas de Gran Canaria, Las Palmas de Gran Canaria, Spain. slmartin@iuma.ulpgc.es.
NPJ precision oncology
|November 14, 2023
概括
超光谱成像 (HSI) 有助于神经外科医生在手术期间识别脑瘤边界. 这项技术与机器学习相结合,改善了瘤检测和划分,支持了更好的患者结果.
科学领域:
- 神经外科 神经外科
- 医疗成像医学成像
- 机器学习 机器学习
背景情况:
- 脑瘤切除需要精确识别瘤边缘,以最大限度地切除,同时保持健康组织.
- 在手术期间对正常大脑组织的损伤会导致严重的神经缺陷.
- 超光谱成像 (HSI) 显示出在各种医学领域作为诊断工具的潜力.
研究的目的:
- 评估HSI与用于手术内脑瘤识别和划分的新型处理框架相结合的疗效.
- 建立一个机器学习基准,用于在体内检测脑瘤,使用HSI.
主要方法:
- 采用了一个强大的k-fold交叉验证方法.
- 分析了来自34名患者的61张HS图像的体内大脑数据库.
- 使用了来自HSI数据的光谱和空间信息.
主要成果:
- 拟议的HSI处理框架显示,它对体内脑瘤的识别和划分有前途.
- 在测试组中获得了最高的70.2 ± 7.9%的F1-Score中位数.
- 这种方法在初级 (高度和低度) 和二级脑瘤中被证明是有效的.
结论:
- 结合开发的处理框架和机器学习,HSI是神经外科手术的一个有前途的手术内工具.
- 这种方法可以帮助外科医生实时决策,以改善瘤切除.
- 这项研究为基于HSI的脑瘤划定提供了未来进展的基准.
