CC BY-NC-ND 4.0 · Laryngorhinootologie 2022; 101(S 02): S21
DOI: 10.1055/s-0042-1747138
Abstracts | DGHNOKHC
Bildgebende Verfahren / Ultraschall: Speicheldrüsen / Fazialis

Einsatz der Hyperspektralbildgebung zur Gewebedifferenzierung in der Parotischirurgie

Susanne Wiegand
1   Klinik und Poliklinik für HNO-Heilkunde, Universitätsklinikum LeipzigLeipzig
,
Claire Chalopin
2   Innovation Center Computer Assisted Surgery (ICCAS)Leipzig
,
Gunnar Wichmann
1   Klinik und Poliklinik für HNO-Heilkunde, Universitätsklinikum LeipzigLeipzig
,
Andreas Dietz
1   Klinik und Poliklinik für HNO-Heilkunde, Universitätsklinikum LeipzigLeipzig
,
Markus Pirlich
1   Klinik und Poliklinik für HNO-Heilkunde, Universitätsklinikum LeipzigLeipzig
,
Marianne Maktabi
2   Innovation Center Computer Assisted Surgery (ICCAS)Leipzig
› Author Affiliations
 

Einleitung Intraoperative Bildgebungssysteme können den Operateur bei der Identifizierung von anatomischen Strukturen und Differenzierung zwischen Normal- und Tumorgewebe unterstützen. Die Hyperspektralbildgebung (HSI) ist eine kontaktfreie, nicht-invasive und kontrastmittellose Bildgebungsmethode, die die Quantifizierung biologischer Gewebeeigenschaften erlaubt.

Methoden Im Rahmen einer Pilotstudie erfolgte die Aufnahme von hyperspektralen Bilddaten von insgesamt 14 Patienten mit Parotistumoren, bei denen eine laterale Parotidektomie erfolgte. Für die Untersuchungen wurde das TIVITATM Tissue T2-Kamerasystem (Diaspective Vision GmbH) mit einer spektralen Bandbreite zwischen 500-1000 nm, einer spektralen Auflösung von 5 nm und einer räumlichen Auflösung von 640×480 Bildpunkten verwendet. Postoperativ erfolgte die Annotation der HSI-Daten durch den Operateur. Eine Analyse der spektralen Daten mit Verfahren der Künstlichen Intelligenz, wie Logistische Regression und Support Vector Machine, zur Gewebeklassifikation wurde durchgeführt.

Ergebnisse Intraoperatives HSI war bei allen Patienten möglich und verlängerte aufgrund der schnellen Anwendbarkeit nicht den regulären operativen Eingriff. Mehr als 2,5 Mio. Spektren von Parotisgewebe, Tumorgewebe und N. facialis wurden aufgezeichnet. Erste Ergebnisse zeigen, dass HSI helfen kann, den N. facialis zu identifizieren und Tumoren von gesundem Parotisgewebe zu unterscheiden. Die Analyse der Daten ergab eine Genauigkeit von bis zu 82% und einen DICE-Score von 0.90.

Schlussfolgerung HSI eignet sich zur intraoperativen Beurteilung von unterschiedlichen Gewebestrukturen bei der Parotischirurgie. In Kombination mit Deep Learning-Methoden ermöglicht HSI die Erkennung des N. facialis und Differenzierung von Normal- und Tumorgewebe.



Publication History

Article published online:
24 May 2022

© 2022. The Author(s). This is an open access article published by Thieme under the terms of the Creative Commons Attribution-NonDerivative-NonCommercial-License, permitting copying and reproduction so long as the original work is given appropriate credit. Contents may not be used for commercial purposes, or adapted, remixed, transformed or built upon. (https://creativecommons.org/licenses/by-nc-nd/4.0/).

Georg Thieme Verlag
Rüdigerstraße 14, 70469 Stuttgart, Germany