数据独立的光分子成像分析:用于术内瘤成像的两阶段集群框架

科学领域:

• 医疗成像医学成像
• 在瘤学瘤学.
• 生物技术是生物技术.

背景情况:

• 术内光分子成像 (FMI) 面临着数据驱动的定量方法,大数据集要求和操作员可变性的挑战.
• 现有的FMI方法在罕见疾病的适应性和高错误阳性率方面扎,限制了临床应用.
• 引入了一个新的,自我引用的集群框架来克服这些限制,使用内部组织控制和数据独立分析来克服这些限制.

研究的目的:

• 开发和验证用于手术内光分子成像 (FMI) 的新型,自我引用的集群框架.
• 克服现有的数据驱动的FMI方法的局限性,包括适应性和高假阳性率.
• 为了在没有大型数据集的情况下在FMI引导的手术中实现准确的,个性化的瘤分化.

主要方法:

• 为分析近红外II (NIR-II) 频谱的FMI数据,开发了一种两阶段的集群框架 (K-平均值,其次是模糊的C-平均值,K-FCM).
• 利用每个患者的脂肪组织作为个性化值的内部参考,消除对大型外部数据集的依赖.
• 验证了16名使用氨酸绿 (ICG) 进行轨道瘤切除的患者的框架,并将其与传统的瘤与正常比率 (TNR) 方法进行了比较.

主要成果:

• 与TNR方法相比,自引用的K-FCM框架实现了更高的灵敏度 (0.909对0.818) 和特异性 (0.800对0.600).
• 内部组织控制正常化的光变异性和最小化与绿 (ICG) 相关的错误阳性,从而实现准确的差异化.
• 该框架证明了临床实用性,不需要大型训练数据集,并显示了罕见瘤应用的潜力.

结论:

• 自引用的,数据独立的集群框架为光引导的瘤导航提供快速可靠的手术内分析.
• 这种方法通过降低假阳性率和减少对操作员经验的依赖,提高了FMI引导瘤手术的准确性.
• 该框架促进FMI在区分良性瘤和恶性瘤方面的更广泛的临床应用.