Die hyperspektrale Bildanalyse durch Neuronale Netze als Möglichkeit der Gewebsdifferenzierung in der Kopf-Hals-Chirurgie

Einleitung:

In der Kopf-Hals-Chirurgie ist eine kontinuierliche intraoperative Gewebedifferenzierung essentiell um Verletzungen von Strukturen wie Nerven und Gefäßen zu vermeiden. Neben dem etablierten Neuromonitoring könnte die hyperspektrale Bildgebung (HSI) mit der Analyse durch neuronale Netze den Operateur bei der intraoperativen Gewebsdifferenzierung unterstützen und Komplikationen vermeiden.

Methode:

Zum Einsatz kam ein 3D-CNN (Convolutional Neuronal Network) mit hyperspektralen Daten im Bereich von 400-1000nm genutzt. Insgesamt wurden 47 Aufnahmen von 31 Patienten nach intraoperativer Annotation der Gewebsarten in die Auswertung eingeschlossen. Zur Evaluation wurde jeweils ein Patient aus dem Datensatz entfernt. Die übrigen Aufnahmen wurden mit einer Aufteilung in Trainings- (90%) und eine Validierungsgruppe (10%) zum Training genutzt. Auf den verbliebenen Patienten wurde evaluiert. Dieses Verfahren wurde über alle Patienten iteriert und die Ergebnisse gemittelt.

Ergebnisse:

In der Evaluation wurde eine Gesamtgenauigkeit von 89.3% erreicht mit Erkennungsraten von 88%, 90%, 83%, 86%, 97% und 78% für Arterie, Drüsengewebe, Muskel, Nerv, Haut beziehungsweise Vene.

Schlussfolgerung:

In unserer Untersuchung erreichen wir eine gute Sensitivität für die Gewebearten Haut, Muskel, Vene, Artiere, Nerv und Drüsengewebe. Die hyperspektrale Bildanalyse durch ein 3D-CNN ist eine gute Methode zur automatischen Gewebeerkennung. Ein nächster Schritt sollte die intraoperative Anwendung mit Livedarstellung sein.

Nein