기계 학습을 위한 스펙트럼 기관 지문

Scientific Reports 12권, 기사 번호: 11028(2022) 이 기사 인용

1978년 액세스

6 인용

14 알트메트릭

측정항목 세부정보

다양한 조직이 사람의 눈과 비슷하게 보이기 때문에 수술 중 조직을 시각적으로 구별하는 것이 어려울 수 있습니다. 초분광 이미징(HSI)은 각 픽셀을 고차원 스펙트럼 정보와 연결하여 이러한 제한을 제거합니다. 이전 연구에서는 조직을 구별할 수 있는 일반적인 잠재력을 보여주었지만 현재 방법의 견고성과 일반화가 부족하여 임상 번역이 제한되었습니다. 특히, 과학계에는 포괄적인 스펙트럼 조직 지도가 부족하며, 스펙트럼 반사율의 변동성이 기록된 개인이나 특정 획득 조건이 아닌 조직 유형에 의해 주로 설명되는지 여부는 알 수 없습니다. 이 연구의 기여는 세 가지입니다. (1) 주석이 달린 의료 HSI 데이터 세트(돼지 46마리의 9059개 이미지)를 기반으로 20가지 돼지 장기 및 조직 유형의 스펙트럼 지문을 특징으로 하는 조직 지도를 제시합니다. (2) 혼합 모델 분석의 원리를 사용하여 HSI 영상과 관련된 변동성의 가장 큰 원인은 관찰 중인 장기임을 보여줍니다. (3) 심층 신경망을 사용하여 HSI 기반 20개 기관 클래스의 완전 자동 조직 분화가 높은 정확도(> 95%)로 가능하다는 것을 보여줍니다. 우리는 연구를 통해 HSI 데이터를 기반으로 한 자동 조직 차별이 가능하며 수술 중 의사 결정을 돕고 상황 인식 컴퓨터 보조 수술 시스템과 자율 로봇 공학의 길을 열 수 있다는 결론을 내렸습니다.

다양한 신체 조직이 인간의 눈과 유사하게 나타난다는 사실을 고려할 때 수술 중 건강한 주변 조직과 조직 상태, 병리 및 중요한 구조를 구별하는 것은 어려울 수 있습니다. 기존의 수술 중 영상 촬영은 사람의 눈을 모방하는 방식으로 제한되었지만, 초분광 영상(HSI)은 빨간색, 녹색, 파란색(RGB) 색상만 기록해야 하는 이러한 임의의 제한을 제거합니다. HSI는 기존 2차원 디지털 이미지의 각 픽셀에 3차원 스펙트럼 정보를 할당하는 방식으로 작동합니다. 스펙트럼 정보에는 모든 픽셀의 파장별 반사 강도가 포함됩니다. 그 결과 두 개의 공간 차원(x, y)과 세 번째 스펙트럼 차원(λ)이 있는 3차원 데이터큐브가 생성됩니다. HSI는 지질학, 해양 연구, 농업, 식품 산업, 자동화된 폐기물 분류1,2 등 다양한 분야에 적용되었으며 최근 NASA의 화성 우주 임무 중에 사용되었습니다.

지난 몇 년 동안 의료 분야에 HSI 기술을 구현하려는 광범위한 노력이 있었습니다. 잠재적인 미래 임상 응용 분야의 예로는 조직 산소화 및 혈액 관류3,4, 염증 및 패혈증5, 부종6 또는 악성 종양7의 정량적 평가는 물론 컴퓨터 지원 의사 결정 및 자동화된 장기 식별8이 포함됩니다. 이는 수술 중 인지 보조 시스템이나 심지어 로봇 수술의 자동화와 같은 미래 개발을 지원할 수 있는 잠재력을 가지고 있습니다. 유망한 연구에도 불구하고 HSI 기반 자동 조직 분화의 임상적 번역은 아직 달성되지 않았습니다. 이는 임상 적용을 위한 가장 중요한 요구 사항인 견고성과 일반화가 현재 부족하기 때문일 수 있습니다. 이와 관련하여 몇 가지 공개적인 연구 질문이 남아 있습니다. 특히, HSI 측정의 가변성은 관찰 중인 여러 조직 유형 간의 고유한 차이(원하는 효과)로 인해 발생할 수 있지만 대상 간 가변성 또는 이미지 획득 조건의 가변성(둘 다 바람직하지 않음)으로 인해 발생할 수도 있습니다. 우리는 이 중요한 주제를 체계적으로 조사한 이전 작업을 알지 못하며 궁극적으로 초분광 장기 데이터에 대한 철저한 이해를 제공하고 HSI 기반 분석의 잠재력을 설명하며 추가 연구가 기반이 될 수 있는 견고한 기본 데이터를 제시하는 것을 목표로 합니다.