Challenges in, and recommendations for, hyperspectral imaging in ex vivo malignant glioma biopsy measurements
Notice bibliographique
Résumé
The visualization of protoporphyrin IX (PPIX) fluorescence with the help of surgical microscopes during 5-aminolevulinic acid-mediated fluorescence-guided resection (FGR) of gliomas is still limited at the tumor margins. Hyperspectral imaging (HI) detects PPIX more sensitively but is not yet ready for intraoperative use. We illustrate the current status with three experiments and summarize our own experience using HI: (1) assessment of HI analysis algorithm using pig brain tissue, (2) a partially retrospective evaluation of our experience from HI projects, and (3) device comparison of surgical microscopy and HI. In (1), we address the problem that current algorithms for evaluating HI data are based on calibration with liquid phantoms, which have limitations. Their pH is low compared to glioma tissue; they provide only one PPIX photo state and only PPIX as fluorophore. Testing the HI algorithm with brain homogenates, we found proper correction for optical properties but not pH. Considerably more PPIX was measured at pH 9 than at pH 5. In (2), we indicate pitfalls and guide HI application. In (3), we found HI superior to the microscope for biopsy diagnosis (AUC = 0.845 ± 0.024 (cut-off 0.75 µg PPIX/ml) vs. 0.710 ± 0.035). HI thus offers potential for improved FGR.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».