Intra-operative Brain Tumor Detection with Deep Learning-Optimized Hyperspectral Imaging

要約

グリオーマ（内在性脳腫瘍）の手術は、特に低悪性度の場合、病変が浸潤性であるため、困難である。現在、これらの腫瘍に関連する境界を見つけるために外科医を支援し導く、リアルタイム、術中、ラベルフリー、広視野のツールは利用できない。高悪性度グリオーマではマーカーを使用した方法があるが、低悪性度グリオーマでは便利な方法がないため、マーカーフリーの光学技術が魅力的な選択肢となる。RGB画像は手術用顕微鏡の標準的なツールですが、組織鑑別のための十分な情報を含んでいません。我々は、468-787nmのスナップスキャンカメラで取得したハイパースペクトル画像（HSI）の豊富な情報を活用し、手術用顕微鏡と組み合わせて、術中誘導の可能性を持つ深層学習ベースの癌切除の診断ツールを構築する。しかし、HSIスナップスキャンカメラの主な制限は画像取得時間であり、手術室での普及には限界がある。ここでは、より安価で高速なセンサの開発のために、HSIチャンネルの削減と事前選択の効果を調査し、デザインスペースの範囲を広げる。腫瘍組織の識別に最も重要なスペクトルチャンネルを特定するためにニューラルネットワークを用い、チャンネル数と精度のトレードオフを最適化し、リアルタイムでの外科手術中の応用を可能にする。我々は、5人の患者の手術中に取得された臨床データセットで本手法の性能を評価する。低悪性度グリオーマを効率的に検出できる可能性を示すことで、この結果はより良いがん切除の区切りにつながり、治療効果や患者の転帰を改善する可能性がある。

要約(オリジナル)

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.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL