基于频域近红外光谱的手术内神经血管包容检测,直径和深度预测的算法

科学领域:

• 生物医学工程 生物医学工程
• 医疗成像医学成像
• 神经科学是一个神经科学.

背景情况:

• 精确地检测地下神经血管结构对于神经外科手术至关重要.
• 当前的方法在确定船体直径和深度时可能缺乏精度.
• 近红外光谱学 (NIRS) 为非侵入性组织分析提供了潜力.

研究的目的:

• 开发和验证用于地下神经血管检测的改进方法.
• 用先进的算法预测神经血管结构的直径和深度.
• 为神经外科医生提供关键反,以防止手术内损伤.

主要方法:

• 使用频域近红外光谱学 (FD-NIRS).
• 采用机器学习算法,包括在数值建模数据上训练的变化自动编码器 (VAE).
• 专注于特征向量优化用于分类和回归任务.
• 研究的培训策略,包括对模拟数据的部分培训和使用未标记数据的培训.

主要成果:

• 基于变化自编码器 (VAE) 的算法显示出优异的分类性能.
• 在直径和深度预测的回归任务中,VAE取得了强的结果.
• 一个自定义约束保留了VAE中隐藏空间的物理含义.
• 实验测试证实了使用模拟数据进行训练的可行性.

结论:

• 拟议的基于FD-NIRS和VAE的方法可以有效地检测地下神经血管结构.
• 该方法提供了准确的直径和深度预测,增强了手术指导.
• 能够在未标记的数据上进行训练,并使用模拟数据集,为实际应用提供了显著的优势.