Visualization of deep tissue lesions by near-infrared hyperspectral imaging

通过近红外高光谱成像显示深部组织病变

基本信息

批准号：
21H03844
负责人：
竹村裕
金额：
$ 11.48万
依托单位：
Tokyo University of Science
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (B)
财政年份：
2021
资助国家：
日本
起止时间：
2021-04-01 至 2024-03-31
项目状态：
已结题

项目摘要

本研究では，生体透過性の高い近赤外光を用いハイパースペクトラルイメージング技術を組合せた技術を確立すると共に，人体内での近赤外分光イメージングを実現する内視鏡を開発し，既存の内視鏡下では見ることのできない組織深部や腹腔側からがんを非侵襲かつ標識なしで可視化する技術を探求することを目的としている．研究の2年目は，開発したシステムを用いた大型動物実験に加え，コロナ渦の影響で開発が遅れているイメージファイバーを利用した軟性内視鏡システムを開発した．さらに，GIST検体やがん検体だけでなく，深部の血管，神経の可視化の可能性を検討して，実際に動物実験を行い，神経，血管の可視化が可能であることを実証した．具体的には下記の項目を実施した．・術中下で画像取得できるイメージングシステムの開発：臨床での利用を想定した，撮像に最適な光源や高速で画像取得するための光学系を選定し，開腹手術，硬性内視鏡下，近赤外分光対応細径ファイバー内視鏡（硬性・軟性内視鏡下で撮像できる近赤外分光イメージング内視鏡）の開発・改良を行った．硬性内視鏡に関しても，光学系の再検証，全体のシステムを動作させるソフトウェアの改良，サンプリングレートの向上，画像処理アルゴリズムの導入した．・臨床研究によるデータ収集：本研究では，申請者らがこれまでに行ってきた GIST検体，腫瘍の可視化の対象を広げ，深部の血管，神経，胆管などの NIR-HSIを取得し，可視化を検討した．大型動物を用いて，ライブイメージングでの有用性を検証した．・可視化処理の高度化：取得した NIR-HSIから，癌，非癌領域，血管，神経などを機械学習で学習させ，識別可能かどうか検証した．また識別可能な症例に関して，どの波長で識別されているかを同様に解析した．

在这项研究中，我们将建立一种结合使用对生物体具有高渗透性的近红外光的高光谱成像技术的技术，并且我们还将开发一种在人体内实现近红外光谱成像的内窥镜。该项目的目的是探索非侵入性可视化癌症的技术，并且无需来自组织深处或腹腔的标记，而这些标记在显微镜下是无法看到的。在研究的第二年，除了使用所开发的系统进行大型动物实验外，我们还开发了一种使用图像纤维的柔性内窥镜系统，该系统的开发由于电晕涡流的影响而被推迟。此外，我们不仅研究了GIST标本和癌症标本可视化的可能性，还研究了深层血管和神经可视化的可能性，并进行了实际的动物实验，以证明神经和血管可视化是可能的。具体来说，我们实施了以下几项工作。・开发可在手术中获取图像的成像系统：考虑到临床使用，我们选择了最佳的成像光源和高速图像获取的光学系统，我们开发并改进了与手术中兼容的小直径光纤内窥镜。外部光谱（一种近红外光谱成像内窥镜，可以在刚性和柔性内窥镜下拍摄图像）。对于硬性内窥镜，我们重新检查了光学系统，改进了操作整个系统的软件，提高了采样率，并引入了图像处理算法。・通过临床研究收集数据：在本研究中，我们将扩大申请人迄今为止进行的GIST标本和肿瘤的可视化范围，获取深部血管、神经、胆管等的NIR-HSI，并想象它们。我们验证了它在大型动物实时成像中的有用性。 - 可视化处理的复杂性：从获取的NIR-HSI中，我们使用机器学习来学习癌症、非癌区域、血管、神经等，并验证是否可以识别它们。我们还类似地分析了哪些波长用于识别可以识别的病例。

项目成果

期刊论文数量（5）

专著数量（0）

科研奖励数量（0）

会议论文数量（0）

专利数量（0）

Development of NIR-HSI Laparoscope for Distinguishing Deep Tumor Lesion without Labeling

NIR-HSI腹腔镜无标记识别深部肿瘤病灶的研制

DOI：
发表时间：
2022
期刊：
影响因子：
0
作者：
oRyodai Fukushima;Ren Iwanami;Akino Mori;Toshihiro Takamatsu;Hiroaki Ikematsu;Hideo Yokota;Kouhei Soga;and Hiroshi Takemura
通讯作者：
and Hiroshi Takemura

Wavelength Bands Reduction Method in Near-Infrared Hyperspectral Image based on Deep Neural Network for Tumor Lesion Classification

基于深度神经网络的近红外高光谱图像波段缩减方法用于肿瘤病灶分类

DOI：
10.14738/aivp.91.9475
发表时间：
2021
期刊：
Advances in Image and Video Processing
影响因子：
0
作者：
Akimoto Kohei;Ike Reiichirou;Maeda Kosuke;Hosokawa Naoki;Takamatsu Toshihiro;Soga Kohei;Yokota Hideo;Sato Daiki;Kuwata Takeshi;Ikematsu Hiroaki;Takemura Hiroshi
通讯作者：
Takemura Hiroshi

Hyperspectral imaging and detection mapping of in vivo biological tissues applying near-infrared laparoscope

应用近红外腹腔镜对活体生物组织进行高光谱成像和检测绘图

DOI：
发表时间：
2022
期刊：
影响因子：
0
作者：
R. Fukushima;T. Takamatsu;A. Mori;K. Sato;K. Okubo;M. Umezawa;N. Takeshita;H. Hasegawa;H. Yokota;K. Soga;H. Takemura
通讯作者：
H. Takemura

Wavelength Selection of Near-Infrared Hyperspectral Imaging for Gastric Cancer Detection

用于胃癌检测的近红外高光谱成像的波长选择

DOI：
发表时间：
2021
期刊：
影响因子：
0
作者：
oAyano Yahata;Hiroshi Takemura,Toshihiro Takamatsu;Ren Iwanami;Masakazu Umezawa,Kyohei Okubo;Kohei Soga;Tomohiro Mitsui;Tomohiro Kadota;Takeshi Kuwata;Hiroaki Ikematsu;Hideo Yokota
通讯作者：
Hideo Yokota