Gewebedifferenzierung in der Kopf-Hals-Chirurgie mittels hyperspektraler Bildanalyse durch Neuronale Netze

Einleitung In der Kopf-Hals-Chirurgie ist eine ständige intraoperative Gewebsdifferenzierung von großer Bedeutung um eine Verletzung von sensiblen Strukturen wie Nerven und Gefäßen zu vermeiden. Die hyperspektrale Bildgebung (HSI) mit der Analyse durch neuronale Netze könnte hier dem Operateur bei der Gewebsdifferenzierung unterstützen.

Methode Es wurde eine 3D-Convolutional Neuronal Network mit hyperspektralen Daten im Bereich von 400-1000nm genutzt. Das Aufnahmesystem bestand aus zwei multispektralen Snapshot-Kameras. Für die Analyse wurden 31 Aufnahmen mit Annotationen von Drüsengewebe, Nerv, Muskel, Haut und Vene bei 21 Patienten einer Parotidektomie sowie einer Neck dissection eingeschlossen. Zur Evaluierung nach dem Prinzip "leave one subject out" wurden drei Patienten herausgelöst. Die übrigen Aufnahmen wurden zum Training genutzt, wobei die Daten zufällig in eine Trainings- (85%) und eine Validierungsgruppe (15%) aufgeteilt wurden.

Ergebnisse In der Validierung wurde eine Genauigkeit von 98.7% erreicht, was auf ein robustes Training schließen lässt. In der Evaluation auf den ausgeschlossenen Patienten wurde eine Gesamtgenauigkeit von 83.4% erreicht mit Erkennungsraten[KM1] [WE2] von 93%, 98%, 76%, 87% und 63% für Drüsengewebe, Haut, Muskel, Nerv beziehungsweise Vene.

Schlussfolgerung Die Ergebnisse zeigen klar, dass es möglich ist eine robuste intraoperative Gewebedifferenzierung mittels hyperspektraler Bildgebung zu erreichen. Gerade die hohe Sensitivität bei Parotis- oder Nervengewebe ist von klinischer Wichtigkeit. Interessant ist, dass Vene oft mit Muskel verwechselt wurde. Dies bedarf weiterer Analysen und zeigt, dass eine sehr gute und umfangreiche Datengrundlage essentiell ist. Dies ist gerade in der Chirurgie eine große Herausforderung.

Funding Information BMBF Grant No. 16SV8061 (MultiARC)

 

MissingLinkText

Publikationsverlauf

Artikel online veröffentlicht:
19. April 2024