Impronte digitali degli organi spettrali per l'apprendimento automatico

Rapporti scientifici volume 12, numero articolo: 11028 (2022) Citare questo articolo

1978 Accessi

6 citazioni

14 Altmetrico

Dettagli sulle metriche

La discriminazione visiva dei tessuti durante l'intervento chirurgico può essere difficile poiché diversi tessuti appaiono simili all'occhio umano. L'imaging iperspettrale (HSI) rimuove questa limitazione associando ciascun pixel a informazioni spettrali ad alta dimensione. Sebbene il lavoro precedente abbia dimostrato il suo potenziale generale nel discriminare i tessuti, la traduzione clinica è stata limitata a causa dell'attuale mancanza di robustezza e generalizzabilità del metodo. Nello specifico, alla comunità scientifica manca un atlante spettrale completo dei tessuti e non è noto se la variabilità della riflettanza spettrale sia spiegata principalmente dal tipo di tessuto piuttosto che dalle condizioni di acquisizione individuali o specifiche registrate. Il contributo di questo lavoro è triplice: (1) Sulla base di un set di dati medici HSI annotati (9059 immagini di 46 suini), presentiamo un atlante dei tessuti con impronte digitali spettrali di 20 diversi organi e tipi di tessuti suini. (2) Utilizzando il principio dell'analisi del modello misto, mostriamo che la maggiore fonte di variabilità relativa alle immagini HSI è l'organo sotto osservazione. (3) Mostriamo che la differenziazione tissutale completamente automatica basata sull'HSI di 20 classi di organi con reti neurali profonde è possibile con elevata precisione (> 95%). Dal nostro studio concludiamo che la discriminazione automatica dei tessuti basata sui dati HSI è fattibile e potrebbe quindi aiutare nel processo decisionale intraoperatorio e aprire la strada a sistemi di chirurgia assistita da computer consapevoli del contesto e alla robotica autonoma.

Distinguere le condizioni dei tessuti, le patologie e le strutture critiche dal tessuto sano circostante durante l'intervento chirurgico può essere difficile dato che i diversi tessuti corporei appaiono simili all'occhio umano. Mentre l’imaging intraoperatorio convenzionale è limitato dall’imitazione dell’occhio umano, l’imaging iperspettrale (HSI) rimuove questa restrizione arbitraria di registrare solo i colori rosso, verde e blu (RGB). L'HSI funziona assegnando a ciascun pixel di un'immagine digitale bidimensionale convenzionale una terza dimensione di informazioni spettrali. Le informazioni spettrali contengono l'intensità di riflettanza specifica della lunghezza d'onda di ogni pixel. Ciò si traduce in un datacube tridimensionale con due dimensioni spaziali (x, y) e una terza dimensione spettrale (λ). L'HSI ha trovato applicazione in diversi campi come la geologia e gli studi marittimi, l'agricoltura, l'industria alimentare, la raccolta differenziata automatizzata dei rifiuti1,2 ed è stato recentemente utilizzato durante una missione spaziale della NASA su Marte.

Negli ultimi anni sono stati compiuti notevoli sforzi per implementare la tecnologia HSI nel settore sanitario. Esempi di potenziali future applicazioni cliniche comprendono la valutazione quantitativa dell'ossigenazione dei tessuti e della perfusione sanguigna3,4, dell'infiammazione e della sepsi5, dell'edema6 o delle neoplasie7, nonché il processo decisionale assistito da computer e l'identificazione automatizzata degli organi8. Questi hanno il potenziale per supportare sviluppi futuri come i sistemi di assistenza cognitiva intraoperatoria o persino l’automatizzazione della chirurgia robotica. Nonostante la ricerca promettente, la traduzione clinica della differenziazione automatica dei tessuti basata sull’HSI non è stata ancora raggiunta. Ciò può essere attribuito a un’attuale mancanza di robustezza e generalizzabilità, che sono i requisiti più importanti per l’applicazione clinica. A questo proposito restano aperte diverse questioni di ricerca. Nello specifico, la variabilità delle misurazioni HSI può derivare dalle differenze intrinseche tra più tipi di tessuto sotto osservazione (effetto desiderato), ma anche dalla variabilità tra soggetti o dalla variabilità nelle condizioni di acquisizione dell'immagine (entrambe indesiderate). Non siamo a conoscenza di alcun lavoro precedente che abbia indagato sistematicamente questo importante argomento e in definitiva miriamo a fornire una comprensione approfondita dei dati degli organi iperspettrali, illustrare il potenziale delle analisi basate sull’HSI e presentare solidi dati di base su cui potranno basarsi ulteriori studi.