改进基于生物阻抗的组织识别,使用频率响应相似度指标

科学领域:

• 生物医学工程 生物医学工程
• 手术技术 手术技术
• 信号处理 信号处理

背景情况:

• 最少侵入性手术 (MIS) 在组织识别方面存在挑战,原因是有限的感官反.
• 准确的组织鉴定对于手术安全和患者的治疗结果至关重要.
• 生物阻抗光谱 (BIS) 提供了基于电性质的快速组织特征的潜力.

研究的目的:

• 开发和评估新的信号处理技术,以在MIS中使用BIS进行增强的组织识别.
• 提高区分复杂组织类型的准确性和一致性,特别是在胃肠道内.
• 通过从BIS数据中提取高级功能来利用机器学习.

主要方法:

• 频率响应函数 (FRF) 的相似度指标应用于猪组织的BIS测量.
• 从BIS数据中提取新的特征,使用FRF相似性.
• 机器学习 (ML) 模型的培训和评估,包括神经网络 (NN) 和支持矢量机器 (SVM),具有原始和提取的功能.
• 测试八个猪腹部组织的ex vivo数据集.

主要成果:

• 使用FRF相似度指标的ML模型显示了与使用原始BIS测量的模型相比的或更高的性能.
• 一个具有FRF相似性特征的神经网络模型实现了最高的性能,平均准确率为70.3%,F值为0.716.
• 相似度指标显著提高了模型区分所有八种组织类型的能力,克服了类似组织反应带来的挑战.

结论:

• FRF相似度指标代表了从BIS数据中提取特征的新有效方法.
• 这种方法提高了ML模型的性能,用于ex vivo猪组织识别.
• 这些发现表明,改善MIS的手术内组织分化的途径是有希望的,特别是对于像肠道这样具有挑战性的解剖区域.