从大脑组织的扩散光谱学中实时推断分子组成的可学习性推断
Ivan Ezhov1, Kevin Scibilia1, Luca Giannoni2,3
1Technical University of Munich, Department of Computer Science, Munich, Germany.
Journal of biomedical optics
|September 25, 2024
概括
一种新的机器学习方法使用扩散光学光谱学实时推断大脑组织中的分子变化. 这种基于贝尔-兰伯特定律的技术,为潜在的手术内监测提供了准确的,非侵入性的组织分析.
科学领域:
- 生物医学光学 生物医学光学
- 医学物理 医学物理
- 计算生物学 计算生物学
背景情况:
- 扩散光学技术,如宽带近红外光谱 (bNIRS) 和高光谱成像 (HSI) 提供非侵入性,低成本和快速的组织监测.
- 从光学光谱中提取分子组成是一个关键的诊断能力,但缺少实时推断方法,特别是在外科应用中.
研究的目的:
- 开发和评估一种机器学习技术,从光学光谱中实时推断大脑组织中的生化成分变化.
- 根据比尔-兰伯特定律适应和评估可学习的方法,用于线性和非线性配方.
主要方法:
- 修改了一个现有的可学习的方法,该方法源自比尔-兰伯特定律.
- 将该方法应用于脑组织的bnirs和hsi监测数据.
- 评估了该技术在线性和非线性物理定律表述上的性能.
主要成果:
- 拟议的方法实现实时分子组成推断,准确度与传统方法相比.
- 初步结果表明,基于贝尔-兰伯特定律的光谱分离可以区分血管和瘤等解剖结构.
- 这项技术显示出详细的大脑解剖分析的潜力.
结论:
- 一种数据驱动的技术推断分子组成的变化从脑组织的扩散光学光谱学已经呈现.
- 这种方法有望在神经外科手术期间实现关键的手术内监测.
- 该方法为使用光学光谱学进行先进的实时组织诊断提供了途径.
更多相关视频
07:06Simultaneous Evaluation of Cerebral Hemodynamics and Light Scattering Properties of the In Vivo Rat Brain Using Multispectral Diffuse Reflectance Imaging
Published on: May 7, 2017
7.6K
07:12Real-Time Monitoring of Neurocritical Patients with Diffuse Optical Spectroscopies
Published on: November 19, 2020
2.1K
