In-Vivo Hyperspectral Human Brain Image Database for Brain Cancer Detection

要約

近年、医療用途でのハイパースペクトル イメージングの使用が一般的になりつつあります。
医療用途向けのハイパースペクトル アルゴリズムを開発する際に研究者が遭遇する主な障害の 1 つは、公的に利用可能な具体的なハイパースペクトル医療データが不足していることです。
この論文で説明されている研究は、ヨーロッパのプロジェクト HELICoiD (HypErspectraL Imaging Cancer Detection) の枠組みの中で開発されました。このプロジェクトの主な目標は、神経外科手術中にリアルタイムで脳腫瘍の描写にハイパースペクトル イメージングを適用することでした。
この論文では、生体内人間の脳組織の最初のハイパースペクトル データベースを生成するために従った方法論が示されています。
データは、400 ～ 1000 nm の可視および近赤外線 (VNIR) 範囲の情報を捕捉できるカスタマイズされたハイパースペクトル取得システムを使用して取得されました。
同じシーンの 2 つの画像が連続して撮影された場合の再現性が評価されました。
分析の結果、このシステムは 450 ～ 900 nm のスペクトル範囲でより効率的に動作することが明らかになりました。
22 人の異なる患者から合計 36 枚のハイパースペクトル画像が取得されました。
これらのデータから、スペクトル角度マッパー アルゴリズムに基づく半自動手法を使用して、300,000 を超えるスペクトル シグネチャにラベルが付けられました。
正常組織、腫瘍組織、血管、および背景要素の 4 つの異なるクラスが定義されました。
すべてのハイパースペクトル データはパブリック リポジトリで利用できるようになりました。

要約(オリジナル)

The use of hyperspectral imaging for medical applications is becoming more common in recent years. One of the main obstacles that researchers find when developing hyperspectral algorithms for medical applications is the lack of specific, publicly available, and hyperspectral medical data. The work described in this paper was developed within the framework of the European project HELICoiD (HypErspectraL Imaging Cancer Detection), which had as a main goal the application of hyperspectral imaging to the delineation of brain tumors in real-time during neurosurgical operations. In this paper, the methodology followed to generate the first hyperspectral database of in-vivo human brain tissues is presented. Data was acquired employing a customized hyperspectral acquisition system capable of capturing information in the Visual and Near InfraRed (VNIR) range from 400 to 1000 nm. Repeatability was assessed for the cases where two images of the same scene were captured consecutively. The analysis reveals that the system works more efficiently in the spectral range between 450 and 900 nm. A total of 36 hyperspectral images from 22 different patients were obtained. From these data, more than 300 000 spectral signatures were labeled employing a semi-automatic methodology based on the spectral angle mapper algorithm. Four different classes were defined: normal tissue, tumor tissue, blood vessel, and background elements. All the hyperspectral data has been made available in a public repository.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google