論文の概要: Intra-operative Brain Tumor Detection with Deep Learning-Optimized Hyperspectral Imaging

• arxiv url: http://arxiv.org/abs/2302.02884v1
• Date: Mon, 6 Feb 2023 15:52:03 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-07 16:10:17.316236
• Title: Intra-operative Brain Tumor Detection with Deep Learning-Optimized Hyperspectral Imaging
• Title（参考訳）: Deep Learning-Optimized Hyperspectral Imaging を用いた術中脳腫瘍検出
• Authors: Tommaso Giannantonio (1), Anna Alperovich (1), Piercosimo Semeraro (1 and 2), Manfredo Atzori (2 and 3), Xiaohan Zhang (4), Christoph Hauger (4), Alexander Freytag (1), Siri Luthman (5), Roeland Vandebriel (5), Murali Jayapala (5), Lien Solie (6), and Steven de Vleeschouwer (6) ((1) Carl Zeiss AG, (2) U. Padua, (3) HES-SO Valais, (4) Carl Zeiss Meditec AG, (5) IMEC, (6) KU and UZ Leuven)
• Abstract要約: グリオーマ(内因性脳腫瘍)の手術は、病変の浸潤性により困難である。 リアルタイム, 術中, ラベルフリー, 広視野の道具は使用できない。 術中指導の可能性を秘めた癌切除のための深層学習型診断ツールを構築した。
• 参考スコア（独自算出の注目度）: 37.21885467891782
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Surgery for gliomas (intrinsic brain tumors), especially when low-grade, is challenging due to the infiltrative nature of the lesion. Currently, no real-time, intra-operative, label-free and wide-field tool is available to assist and guide the surgeon to find the relevant demarcations for these tumors. While marker-based methods exist for the high-grade glioma case, there is no convenient solution available for the low-grade case; thus, marker-free optical techniques represent an attractive option. Although RGB imaging is a standard tool in surgical microscopes, it does not contain sufficient information for tissue differentiation. We leverage the richer information from hyperspectral imaging (HSI), acquired with a snapscan camera in the 468-787 nm range, coupled to a surgical microscope, to build a deep-learning-based diagnostic tool for cancer resection with potential for intra-operative guidance. However, the main limitation of the HSI snapscan camera is the image acquisition time, limiting its widespread deployment in the operation theater. Here, we investigate the effect of HSI channel reduction and pre-selection to scope the design space for the development of cheaper and faster sensors. Neural networks are used to identify the most important spectral channels for tumor tissue differentiation, optimizing the trade-off between the number of channels and precision to enable real-time intra-surgical application. We evaluate the performance of our method on a clinical dataset that was acquired during surgery on five patients. By demonstrating the possibility to efficiently detect low-grade glioma, these results can lead to better cancer resection demarcations, potentially improving treatment effectiveness and patient outcome.
• Abstract（参考訳）: グリオーマ(内因性脳腫瘍)の手術は、特に低悪性度では、病変の浸潤性により困難である。 現在、リアルタイム、術中、ラベルフリー、広視野のツールが使用されておらず、外科医がこれらの腫瘍の関連領域を見つけるのを手助けし、ガイドしている。 高品位グリオーマ症例にはマーカーベースの方法が存在するが、低品位症例には便利な解決策がないため、マーカーフリー光学技術は魅力的な選択肢である。 RGBイメージングは外科顕微鏡の標準的なツールであるが、組織分化に十分な情報を含んでいない。 468-787nm範囲のsnapscanカメラで取得したhyperspectral imaging (hsi) から得られたよりリッチな情報と手術用顕微鏡を併用し, 術中指導に有用な癌切除のための深達度診断ツールを構築した。 しかし、hsi snapscanカメラの主な制限は画像取得時間であり、オペレーション・シアターでの展開が制限されている。 本稿では,より安価で高速なセンサ開発のための設計空間を対象とするhsiチャネル削減と事前選択の効果について検討する。 神経回路は、腫瘍組織の分化において最も重要なスペクトルチャネルを特定し、チャネル数と精度のトレードオフを最適化し、リアルタイムのサージカルインフォメーションを可能にするために使用される。 5例の手術中に得られた臨床データセットを用いて本法の有効性を検討した。 低グレードのグリオーマを効果的に検出できる可能性を示すことによって、これらの結果はがん切除の区切りを良くし、治療効果と患者の結果を改善する可能性がある。

関連論文リスト

• Optimizing Synthetic Correlated Diffusion Imaging for Breast Cancer Tumour Delineation [71.91773485443125]
  CDI$s$ - 最適化されたモダリティにより最高のAUCが達成され、金標準のモダリティが0.0044より優れていることを示す。 特に、最適化されたCDI$s$モダリティは、最適化されていないCDI$s$値よりも0.02以上のAUC値を達成する。
  論文  参考訳（メタデータ） (2024-05-13T16:07:58Z)
• Spatio-spectral classification of hyperspectral images for brain cancer detection during surgical operations [0.0]
  脳腫瘍の手術は神経外科において大きな問題である。 手術中の腫瘍境界の同定は困難である。 本研究では,ハイパースペクトル画像の空間特性とスペクトル特性を考慮した新しい分類法の開発について述べる。
  論文  参考訳（メタデータ） (2024-02-11T12:58:42Z)
• Style transfer between Microscopy and Magnetic Resonance Imaging via Generative Adversarial Network in small sample size settings [49.84018914962972]
  磁気共鳴イメージング(MRI)のクロスモーダル増強と、同じ組織サンプルに基づく顕微鏡イメージングが期待できる。 コンディショナル・ジェネレーティブ・逆境ネットワーク (cGAN) アーキテクチャを用いて, コーパス・カロサムのMRI画像から顕微鏡組織像を生成する方法を検討した。
  論文  参考訳（メタデータ） (2023-10-16T13:58:53Z)
• AiAReSeg: Catheter Detection and Segmentation in Interventional Ultrasound using Transformers [75.20925220246689]
  血管内手術は、電離放射線を用いてカテーテルと血管を可視化するFluoroscopyの黄金標準を用いて行われる。 本研究では、最先端機械学習トランスフォーマアーキテクチャを応用して、軸干渉超音波画像シーケンス中のカテーテルを検出し、セグメント化する手法を提案する。
  論文  参考訳（メタデータ） (2023-09-25T19:34:12Z)
• Detecting the Sensing Area of A Laparoscopic Probe in Minimally Invasive Cancer Surgery [6.0097646269887965]
  外科腫瘍学では、外科医がリンパ節を同定し、がんを完全に切除することは困難である。 新しいテザリングラパロスコープガンマ検出器を用いて、術前に注入された放射線を局在させる。 ガンマ活動の可視化は、プローブが非イメージングであり、組織表面の活性を視覚的に示さないため、オペレーターに提示することが困難である。
  論文  参考訳（メタデータ） (2023-07-07T15:33:49Z)
• Using Spatio-Temporal Dual-Stream Network with Self-Supervised Learning for Lung Tumor Classification on Radial Probe Endobronchial Ultrasound Video [0.0]
  肺がんの生検の過程で、医師はリアルタイム超音波画像を使用して、サンプリングに適した病変を見つける。 これまでの研究では良性肺病変と悪性肺病変を効果的に区別するために2D畳み込みニューラルネットワークを用いてきた。 本研究では,3次元ニューラルネットワークに基づく自動診断システムを設計する。
  論文  参考訳（メタデータ） (2023-05-04T10:39:37Z)
• OpenSRH: optimizing brain tumor surgery using intraoperative stimulated Raman histology [30.845626784372186]
  今回我々は,脳腫瘍患者のRaman histology(SRH)画像の最初の公開データセットであるOpenSRHについて紹介する。 OpenSRHは、最も一般的な脳腫瘍の診断、完全な病理アノテーション、スライド腫瘍の領域全体、生と加工された光学画像データからのデータを含んでいる。 我々は、マルチクラス脳腫瘍分類とパッチベースのコントラスト表現学習の2つのコンピュータビジョンタスクをベンチマークした。
  論文  参考訳（メタデータ） (2022-06-16T20:43:26Z)
• Learned super resolution ultrasound for improved breast lesion characterization [52.77024349608834]
  超高分解能超音波局在顕微鏡は毛細血管レベルでの微小血管のイメージングを可能にする。 この作業では、これらの課題に対処するために、信号構造を効果的に活用するディープニューラルネットワークアーキテクチャを使用します。 トレーニングしたネットワークを利用することで,従来のPSF知識を必要とせず,UCAの分離性も必要とせず,短時間で微小血管構造を復元する。
  論文  参考訳（メタデータ） (2021-07-12T09:04:20Z)
• Spectral-Spatial Recurrent-Convolutional Networks for In-Vivo Hyperspectral Tumor Type Classification [49.32653090178743]
  ハイパースペクトル画像とディープラーニングを用いたin-vivo腫瘍型分類の可能性を示した。 我々の最良のモデルは76.3%のAUCを達成し、従来の学習手法とディープラーニング手法を著しく上回っている。
  論文  参考訳（メタデータ） (2020-07-02T12:00:53Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。