진단 및 자율해부학 평가를 위한 MAChine 학습 기반 HYperspectral을 이용한 수술 중 검사 (iEXMachyna3)

보존하거나 선택적으로 제거해야 하는 대상 구조의 수술 중 인식은 수술 과정에서 가장 중요합니다. 이 작업은 주로 시술자의 해부학적 지식과 경험에 의존합니다. 최소 침습 수술 환경에서는 촉각 피드백이 감소하고 외과의의 시력은 조직을 식별할 수 있는 유일한 단서입니다. 환자별 병리학적 상태 및/또는 외과 의사의 미숙함으로 인해 해부학적 구조에 대한 오해는 중요한 해부학적 구조의 의원성 손상 위험을 증가시킬 수 있으며 치명적인 결과를 초래할 수 있습니다. HSI(Hyperspectral Imaging)는 사진 카메라를 분광계에 결합하고 대비가 없는 방식으로 넓은 영역에 걸쳐 실시간 광학 스캐닝을 수행할 수 있는 유망한 기술을 나타내며, 조직/빛 상호 작용. 이 기술은 반사율 분광 이미징 측정을 기반으로 합니다. 측정은 해당 영역(무해한 강도의 일반 할로겐 램프)에 백색광을 조사하고 반사 스펙트럼의 형태로 해당 영역에서 방출된 스펙트럼 강도를 기록하는 것으로 구성됩니다. 대상 물질(예: 생물학적 조직)은 빛의 스펙트럼 분포를 변경하여 방출된 빛이 현재 물질 또는 조직 구성 및 생리학(예: 관류). HSI는 여러 과학 분야(예: 원격탐사)는 약 15년 ​​전 인체의학 분야에 처음 적용됐다. 비파괴 샘플 수집의 본질적인 이점, 일반적인 광학 방식(현미경, 내시경) 및 정량적, 검사자 독립적인 결과와의 인터페이스 가능성으로 인해 그동안 의학에서 하이퍼스펙트럼 이미징의 잠재력을 활용하기 위한 다양한 접근 방식이 개발되었습니다.

생물 의학 분야에서의 유용성은 이미 광범위하게 입증되었습니다. 그것은 이전에 여러 절차 동안 또는 장간막 허혈의 경우 장 산소화 헤모글로빈을 정량화하기 위해 소화기 수술에 적용되었습니다. 이전의 많은 연구는 HSI가 전립선암, 결장직장암, 위암, 교모세포종, 두경부암에서 정상 조직과 종양 조직을 구별하는 능력에 성공적으로 초점을 맞췄습니다. 종양학 분야에서 하이퍼스펙트럼 특징 분류의 발전은 놀라웠고 정교한 딥 러닝 알고리즘의 성공적인 사용으로 이어졌습니다. 수술에서 HSI 카메라의 유용성은 출혈이 어려운 수술 영역을 시각화하거나 수술 절제 후 절제 가장자리 내에서 종양의 존재를 감지하기 위해 연구되었습니다.

일본 그룹은 장 허혈을 감지하고 복강 내 해부학을 분류하기 위한 추가 시각화 도구로 HSI 시스템을 사용했습니다. 그들은 건강한 장과 덜 관류된 장을 구별하기 위한 특정 파장(756-830nm)을 확인했습니다. 그들은 또한 비장, 결장, 소장, 방광 및 복막이 서로 다른 스펙트럼 특징을 가지고 있음을 입증했습니다. 이 결과는 향후 작업 필드의 HSI 기반 탐색에서 활성화될 수 있습니다. 우리 그룹은 최근 강력한 생물학적 마커에 대한 위장관 기관의 관류를 정량화하기 위해 돼지 모델에서 수술 중 도구로 HSI를 사용했습니다. 결과는 이 기술이 높은 정확도로 장 혈액 공급량을 정량화할 수 있음을 보여주었습니다.

다른 그룹은 이전에 혈관에서 담관, 기관 조직에서 식도, 부갑상선에서 갑상선, 주변 조직에서 신경 및 요관을 구별하려고 시도했습니다. 그러나 주요 해부학적 구조를 인식하는 이전 작업은 간단한 특징 식별 알고리즘 또는 밴드 선택 방법을 사용하여 수행되었습니다. 각 획득 후 획득하는 정보의 양은 카메라 해상도에 따라 다르지만 상당히 크기 때문에 데이터 분류 및 특징 추출을 위한 머신러닝 및 딥러닝 기법이 필요하다. 돼지 모델의 통제된 실험 세트에서 기계 학습 알고리즘과 결합된 하이퍼스펙트럼 서명이 성공적으로 사용되어 수술 중 신경이나 요관과 같은 미세한 해부학적 구조를 식별했습니다(미공개 데이터).

i-EX-MACHYNA3 연구는 다양한 종류의 인간 조직(BD, 신경 및 요관과 같은 주요 해부학적 구조 포함)을 구별하기 위해 여러 딥 러닝 알고리즘과 결합하여 HSI 기술을 변환하는 것을 목표로 합니다.