論文の概要: Surface-Enhanced Raman Spectroscopy and Transfer Learning Toward Accurate Reconstruction of the Surgical Zone

• arxiv url: http://arxiv.org/abs/2401.08821v1
• Date: Tue, 16 Jan 2024 20:47:19 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-18 17:48:08.639730
• Title: Surface-Enhanced Raman Spectroscopy and Transfer Learning Toward Accurate Reconstruction of the Surgical Zone
• Title（参考訳）: 外科領域の精密再構成に向けた表面増強ラマン分光と転写学習
• Authors: Ashutosh Raman, Ren A. Odion, Kent K. Yamamoto, Weston Ross, Tuan Vo-Dinh, Patrick J. Codd
• Abstract要約: 我々は、健康な組織に埋め込まれた腫瘍の位置と境界を確実に特定できるロボットラマンシステムを開発した。 我々は10.2分で30×60mmの外科的部位を再建し,98.2%の精度でファントムの特徴を保存した。
• 参考スコア（独自算出の注目度）: 0.9507070656654631
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Raman spectroscopy, a photonic modality based on the inelastic backscattering of coherent light, is a valuable asset to the intraoperative sensing space, offering non-ionizing potential and highly-specific molecular fingerprint-like spectroscopic signatures that can be used for diagnosis of pathological tissue in the dynamic surgical field. Though Raman suffers from weakness in intensity, Surface-Enhanced Raman Spectroscopy (SERS), which uses metal nanostructures to amplify Raman signals, can achieve detection sensitivities that rival traditional photonic modalities. In this study, we outline a robotic Raman system that can reliably pinpoint the location and boundaries of a tumor embedded in healthy tissue, modeled here as a tissue-mimicking phantom with selectively infused Gold Nanostar regions. Further, due to the relative dearth of collected biological SERS or Raman data, we implement transfer learning to achieve 100% validation classification accuracy for Gold Nanostars compared to Control Agarose, thus providing a proof-of-concept for Raman-based deep learning training pipelines. We reconstruct a surgical field of 30x60mm in 10.2 minutes, and achieve 98.2% accuracy, preserving relative measurements between features in the phantom. We also achieve an 84.3% Intersection-over-Union score, which is the extent of overlap between the ground truth and predicted reconstructions. Lastly, we also demonstrate that the Raman system and classification algorithm do not discern based on sample color, but instead on presence of SERS agents. This study provides a crucial step in the translation of intelligent Raman systems in intraoperative oncological spaces.
• Abstract（参考訳）: ラマン分光法(raman spectroscopy)は、コヒーレント光の非弾性後方散乱に基づくフォトニックモダリティであり、術中センシング空間に有用であり、非イオン化電位と高特異な分子指紋様の分光信号を提供し、ダイナミックな外科領域における病理組織の診断に使用できる。 ラマンの強度は弱いが、金属ナノ構造を用いてラマン信号を増幅する表面強化ラマン分光法(sers)は、従来のフォトニックモダリティに匹敵する検出感度を達成することができる。 本研究では, 金ナノスター領域を選択的に注入した組織模倣ファントムとしてモデル化した, 健康な組織に埋め込まれた腫瘍の位置と境界を確実に特定できるロボットramanシステムについて概説する。 さらに,収集された生物SERSやラーマンデータの相対的変形により,制御アガロースと比較してゴールドナノスターの100%の検証精度を達成し,ラマンに基づく深層学習訓練パイプラインの概念実証を行う。 10.2分で30×60mmの外科的部位を再建し,98.2%の精度でファントムの特徴の相対的測定を行った。 また84.3%のクロスオーバー・ユニオンスコアを達成し,基底的真理と予測的再構成の重なりの程度を示した。 最後に、Ramanシステムと分類アルゴリズムはサンプル色に基づいて識別せず、SERSエージェントの存在によって識別することを示した。 本研究は術中腫瘍学空間におけるインテリジェントラマン系の翻訳において重要なステップを提供する。

関連論文リスト

• Enhancing Diagnostic Precision in Gastric Bleeding through Automated Lesion Segmentation: A Deep DuS-KFCM Approach [20.416923956241497]
  本稿では,新しい深層学習モデルDual Spatial Kernelized Constrained Fuzzy C-Means (Deep DuS-KFCM)を提案する。 このシステムは、ニューラルネットワークをファジィ論理と相乗し、出血領域を高精度かつ効率的に同定する。 本モデルでは, 前例のない87.95%の精度と96.33%の特異性を示し,同時代のセグメンテーション法より優れていた。
  論文  参考訳（メタデータ） (2024-11-21T18:21:42Z)
• Towards a Benchmark for Colorectal Cancer Segmentation in Endorectal Ultrasound Videos: Dataset and Model Development [59.74920439478643]
  本稿では,多様なERUSシナリオをカバーする最初のベンチマークデータセットを収集し,注釈付けする。 ERUS-10Kデータセットは77の動画と10,000の高解像度アノテートフレームで構成されています。 本稿では,ASTR (Adaptive Sparse-context TRansformer) という大腸癌セグメンテーションのベンチマークモデルを提案する。
  論文  参考訳（メタデータ） (2024-08-19T15:04:42Z)
• Enhancing Open-World Bacterial Raman Spectra Identification by Feature Regularization for Improved Resilience against Unknown Classes [0.0]
  従来のクローズドセット分類手法は、全ての試験サンプルが既知の病原体の1つに属すると仮定する。 ラマン分光法による病原体を同定する現在の最先端ニューラルネットワークは未知の入力に対して脆弱であることを示す。 我々はResNetアーキテクチャの新しいアンサンブルと、既存のクローズドワールド手法よりも優れたアテンションメカニズムを組み合わさった。
  論文  参考訳（メタデータ） (2023-10-19T17:19:47Z)
• K-Space-Aware Cross-Modality Score for Synthesized Neuroimage Quality Assessment [71.27193056354741]
  クロスモダリティな医用画像合成をどう評価するかという問題は、ほとんど解明されていない。 本稿では,この課題の進展を促すため,新しい指標K-CROSSを提案する。 K-CROSSは、トレーニング済みのマルチモードセグメンテーションネットワークを使用して、病変の位置を予測する。
  論文  参考訳（メタデータ） (2023-07-10T01:26:48Z)
• Artificial-intelligence-based molecular classification of diffuse gliomas using rapid, label-free optical imaging [59.79875531898648]
  DeepGliomaは人工知能に基づく診断スクリーニングシステムである。 ディープグリオーマは、世界保健機関が成人型びまん性グリオーマ分類を定義するために使用する分子変化を予測することができる。
  論文  参考訳（メタデータ） (2023-03-23T18:50:18Z)
• Orientation-Shared Convolution Representation for CT Metal Artifact Learning [63.67718355820655]
  X線CT(CT)スキャン中、患者を乗せた金属インプラントは、しばしば有害なアーティファクトに繋がる。 既存のディープラーニングベースの手法は、有望な再構築性能を得た。 本稿では,人工物の物理的事前構造に適応するために,配向型畳み込み表現戦略を提案する。
  論文  参考訳（メタデータ） (2022-12-26T13:56:12Z)
• A novel optical needle probe for deep learning-based tissue elasticity characterization [59.698811329287174]
  光コヒーレンスエラストグラフィー(OCE)プローブは針挿入のために提案されているが、今のところ必要な負荷感知能力は欠如している。 針先端での光コヒーレンストモグラフィ(OCT)イメージングと負荷検出を同時に行う新しいOCEニードルプローブを提案する。
  論文  参考訳（メタデータ） (2021-09-20T08:29:29Z)
• 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)
• Retinal OCT Denoising with Pseudo-Multimodal Fusion Network [0.41998444721319206]
  本稿では,単フレームノイズBスキャンと擬似モダリティからの情報を活用する学習手法を提案する。 本手法は, 網膜層間のコントラストを高めるとともに, 全体構造と微小血管を保存し, スペックルノイズを効果的に抑制することができる。
  論文  参考訳（メタデータ） (2021-07-09T08:00:20Z)
• Segmentation of Anatomical Layers and Artifacts in Intravascular Polarization Sensitive Optical Coherence Tomography Using Attending Physician and Boundary Cardinality Lost Terms [4.93836246080317]
  血管内超音波と光コヒーレンス断層撮影は冠状動脈を特徴付けるために広く利用可能である。 畳み込みニューラルネットワークモデルを提案し,その性能を多項損失関数を用いて最適化する。 モデルは2つの主要なアーティファクトのクラスをセグメンテーションし,血管壁領域内の解剖学的層を検出する。
  論文  参考訳（メタデータ） (2021-05-11T15:52:31Z)
• Harvesting, Detecting, and Characterizing Liver Lesions from Large-scale Multi-phase CT Data via Deep Dynamic Texture Learning [24.633802585888812]
  ダイナミックコントラストCT(Dynamic contrast Computed Tomography)のための完全自動多段階肝腫瘍評価フレームワークを提案する。 本システムでは, 腫瘍提案検出, 腫瘍採取, 原発部位の選択, 深部テクスチャに基づく腫瘍評価の4段階からなる。
  論文  参考訳（メタデータ） (2020-06-28T19:55:34Z)

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。