通过使用高光谱成像和机器学习进行微手术组织重建后检测膜输液
Marianne Maktabi1,2, Benjamin Huber1,2, Toni Pfeiffer1
1Innovation Center Computer Assisted Surgery (ICCAS), Faculty of Medicine, Leipzig University, 04103, Leipzig, Germany.
Scientific reports
|May 5, 2025
概括
超光谱成像与人工智能结合,可以准确地检测微手术后的膜输液. 这种方法可以改善早期检测,提高组织重建的成功率.
科学领域:
- 生物医学工程 生物医学工程
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 超光谱成像 (HSI) 显示出在手术期间和之后评估组织 perfusion 的前景.
- 在成功的微手术组织重建中,早期检测膜输液至关重要.
- 由于失血而导致的术后片损失仍然是一个重大的临床挑战.
研究的目的:
- 开发和评估一种结合机器学习和HSI的方法,用于检测膜 perfusion.
- 评估人工智能算法的诊断性能,以识别自由片的输液受损.
主要方法:
- 分析了59次自由手术的数据,其中包括10例术后输血.
- 使用HSI数据对监督分类算法的评估,以区分健康和受损组织输液.
- 使用卷积神经网络 (CNN),在手术后72小时内获得HSI衍生的 perfusion 参数.
主要成果:
- 对于板分类,CNN实现了0.82 ± 0.05的曲线下的面积 (AUC).
- 对于CNN的灵敏度,特异性和F1得分分别为70%±33%,76%±26%和68%±28%.
- 开发的方法在区分膜 perfusion 中表现出强的性能.
结论:
- 与人工智能集成的HSI提供了一个强大的工具,用于诊断术后膜输血.
- 这项技术有可能显著提高早期检测率.
- 改进的检测可以导致增加板救援率和更好的患者结果.
