机器人辅助活检采样用于在线拉曼光谱在手术室确认癌症

科学领域:

• 生物医学光学 生物医学光学
• 手术技术 手术技术
• 人工智能在医学中的应用

背景情况:

• 在手术室 (OR) 实时确认癌症对于有效的癌症疗法至关重要,但组织病理学缺乏在现场评估边际的能力.
• 拉曼光谱 (RS) 为癌症检测提供无标签的光学分析,但需要将其整合到外科手术工作流程中.
• 机器人辅助可以提高像RS这样的现场诊断技术的精度和效率.

研究的目的:

• 开发和评估一个与拉曼光谱学集成的机器人系统,用于在手术室实时进行组织表征.
• 与标准方法相比,评估机器人辅助RS的准确性和时间效率.
• 使用RS数据实施深度学习模型,用于使用RS数据自动区分健康和癌症组织.

主要方法:

• 一个6DOF机器人系统 (光学摄像头+MECA500臂) 用于使用RS进行新鲜组织样本表征.
• 我们比较了三种机器人校准方法,并将时间效率与手持分析进行了评估.
• 一个1D卷积神经网络被开发和测试在ex vivo数据集 (大脑,乳腺,前列腺) 和基因病理基础真理.

主要成果:

• 机器人系统在地标识别中实现了0.20毫米的最小误差,并减少了5个任务中的4个任务的时间.
• 该分类模型在识别癌症组织方面表现出高准确性:大脑0.83,乳腺0.93和前列腺0.71.
• 基于深度学习的RS分析显示,与支持矢量机器相比,其性能优越.

结论:

• 使用深度学习的自动拉曼光谱分析为癌症分类提供了有前途的方法.
• 机器人辅助显著提高了手术内活检分析的准确性,速度和稳定性.
• 这一集成系统代表了朝着使用RS进行实时癌症确认和OR集成的关键进步.