使用高光谱成像和人工智能进行手术内透的光谱表征

科学领域:

• 手术创新 在外科创新.
• 医疗成像医学成像
• 生物医学工程 生物医学工程

背景情况:

• 准确的手术内器官 perfusion 评估对于保存器官功能至关重要,特别是在脏手术期间.
• 传统的方法,如超声波流量计,绿色氨酸或视觉检查是主观的或有限的.
• 超光谱成像 (HSI) 为量化输液提供了一个有希望的客观替代方案.

研究的目的:

• 评估高光谱成像 (HSI) 的有效性,以对器官输液进行客观的手术内评估.
• 为了比较HSI的定量 perfusion 数据与常规方法在活体动物模型.
• 评估HSI技术用于微血管评估的潜在临床可转移性.

主要方法:

• 在全身麻醉下使用活猪模型,诱导完全,逐渐和部分失血的场景.
• 采用高光谱成像 (HSI) 来测量光谱反射率并计算不同 perfusion 状态的氧化度 (StO2).
• 开发并应用了一种机器学习 (ML) 算法,根据HSI数据对 perfusion 状态进行分类.

主要成果:

• 在生理和非融合状态之间观察到光谱反射率和HSI氧化 (StO2) 的显著差异 (例如,70.3%与13.4%).
• 机器学习算法准确地区分了 perfusion 状态,预测准确度为 97.8%.
• 来自猪模型的数据显示出与人类数据集的有希望的相关性,这表明临床可转移性.

结论:

• 超光谱成像 (HSI) 是一个非常有前途的工具,用于器官 perfusion 的客观的手术内微血管评估.
• 在现有的主观或替代性输液评估技术中,HSI提供了显著的优势.
• 需要进一步的临床试验来确认患者的益处,并在例行外科实践中建立HSI.