面向基于机器学习的定量高光谱图像指导,用于脑瘤切除

科学领域:

• 神经外科 神经外科
• 医疗成像医学成像
• 生物标志物 生物标志物

背景情况:

• 在透区域区分恶性质瘤对于完全切除至关重要.
• 5氨基氨酸 (5-ALA) 的光指导有助于瘤可视化.
• 超光谱成像已经在脑瘤中特征了五种光体.

研究的目的:

• 评估五种光体发射光谱在分类脑瘤和组织中的有效性.
• 开发用于手术内瘤分类的机器学习模型.
• 评估这些光体作为光学生物标记物的潜力.

主要方法:

• 184名患有各种脑瘤和组织的患者使用891个高光谱测量进行了分析.
• 四个机器学习模型被训练来分类瘤类型,等级,质瘤边缘和IDH突变.
• 随机森林和多层感知子被用于分类.

主要成果:

• 分类器实现了瘤类型的平均测试准确率为84-87%,等级为96.1%,边缘为86%,IDH突变为91%.
• 光素丰度在瘤边缘类型和等级之间有显著差异 (p < 0.01).
• 在组织类型之间,至少有四种光的丰度有显著差异 (p < 0.01).

结论:

• 这项研究表明,在不同类型的组织中,有明显的光丰度.
• 这五种光体显示出潜在的光学生物标志物用于手术内分类.
• 这项研究为先进的光导向神经外科系统开辟了道路.