Machine learning and hyper spectral imaging: multi spectral endoscopy in the gastro intestinal tract towards hyper spectral endoscopy

Maschinelles Lernen und hyperspektrale Bildgebung: Multispektrale Endoskopie im Magen-Darm-Trakt als Weg zur hyperspektralen Endoskopie

Please always quote using this URN: urn:nbn:de:bvb:29-opus4-173700
  • Worldwide, carcinomas are the second leading cause of death after cardiovascular diseases. Of these, more than 25 % are caused by cancer in the gastrointestinal tract. However, screening still misses about 20 % of carcinomas. An optimal solution would be a red flag technology to locate the suspicious area. Despite the use of many optical technologies and advancements in traditional endoscopic technologies, most methods have failed to significantly improve the detectability of carcinomas in the GI. Therefore, it has been suggested in the literature to use spectroscopic quantitative measurements, which is achieved by hyperspectral imaging. However, in this work, a multispectral endoscopeWorldwide, carcinomas are the second leading cause of death after cardiovascular diseases. Of these, more than 25 % are caused by cancer in the gastrointestinal tract. However, screening still misses about 20 % of carcinomas. An optimal solution would be a red flag technology to locate the suspicious area. Despite the use of many optical technologies and advancements in traditional endoscopic technologies, most methods have failed to significantly improve the detectability of carcinomas in the GI. Therefore, it has been suggested in the literature to use spectroscopic quantitative measurements, which is achieved by hyperspectral imaging. However, in this work, a multispectral endoscope system for in vivo use is used for human (stomach) and mouse (colon) studies. In the human study, the tumours could only be found to a limited extent with the standard methods (MCC = 0.32; ACC2=0.68). Nevertheless, this is a significant improvement compared to previous results. The introduction of spectral spatial variation as a spatial-spectral feature improves the results significantly again. Compared to the human study, the results from the mouse model show better classification results: ACC2 = 0.73 and MCC = 0.47. Thus, for the development of an endoscopic red flag technique, a point technique for correct pre-labelling of the data is needed. Moreover, the results of this MSI in vivo study with spatial features are similar to the recent HSI ex vivo studies. Therefore, it is likely that MSI will remain part of future research.show moreshow less
  • Weltweit stehen Karzinome an zweiter Stelle der Todesursachen nach Herz-Kreislauf-Erkrankungen. Von diesen werden mehr als 25 % durch Krebs im Magen-Darm-Trakt verursacht. Beim Screening werden jedoch immer noch etwa 20 % der Karzinome übersehen. Eine optimale Lösung wäre eine Red-Flag-Technologie zur Lokalisierung des verdächtigen Bereichs. Trotz des Einsatzes vieler optischer Technologien und Weiterentwicklungen traditioneller endoskopischer Technologien konnten die meisten Methoden bisher nicht zu einer signifikanten Verbesserung der Erkennbarkeit von Karzinomen im GI führen. Daher wurde in der Literatur vorgeschlagen, spektroskopische quantitative Messungen zu verwenden, welche durchWeltweit stehen Karzinome an zweiter Stelle der Todesursachen nach Herz-Kreislauf-Erkrankungen. Von diesen werden mehr als 25 % durch Krebs im Magen-Darm-Trakt verursacht. Beim Screening werden jedoch immer noch etwa 20 % der Karzinome übersehen. Eine optimale Lösung wäre eine Red-Flag-Technologie zur Lokalisierung des verdächtigen Bereichs. Trotz des Einsatzes vieler optischer Technologien und Weiterentwicklungen traditioneller endoskopischer Technologien konnten die meisten Methoden bisher nicht zu einer signifikanten Verbesserung der Erkennbarkeit von Karzinomen im GI führen. Daher wurde in der Literatur vorgeschlagen, spektroskopische quantitative Messungen zu verwenden, welche durch hyperspektrale Bildgebung erreicht wird. In dieser Arbeit wird jedoch ein multispektrales Endoskopsystem für den in-vivo-Einsatz für Studien am Menschen (Magen) und an Mäusen (Dickdarm) verwendet. Bei der Humanstudie konnten mit den Standardverfahren die Tumore nur bedingt gefunden werden (MCC = 0,32; ACC2=0,68). Dennoch ist dies eine deutliche Verbesserung im Vergleich zu früheren Ergebnissen. Durch die Einführung der spektralen räumlichen Variation als räumlich-spektrales Merkmal verbessern sich die Ergebnisse nochmals deutlich. Im Vergleich zur Humanstudie zeigen die Ergebnisse aus dem Mausmodell bessere Klassifikationsergebnisse: ACC2 = 0,73 und MCC = 0,47. Für die Entwicklung einer endoskopischen Red-Flag-Technik wird also eine Punkttechnik zur korrekten Voretikettierung der Daten benötigt. Darüber hinaus sind die Ergebnisse dieser MSI in-vivo Studie mit räumlichen Merkmalen ähnlich wie die jüngsten HSI ex-vivo Studien. Daher ist es wahrscheinlich, dass MSI Teil zukünftiger Forschungen bleiben wird.show moreshow less

Download full text files

Export metadata

Additional Services

Share in Twitter Search Google Scholar Statistics
Metadaten
Author:Martin Hohmann
Persistent identifiers - URN:urn:nbn:de:bvb:29-opus4-173700
Persistent identifiers - DOI:https://doi.org/10.25593/978-3-96147-446-2
ISBN:978-3-96147-446-2
Series (Volume number):FAU Studien aus dem Maschinenbau (374)
Publisher:FAU University Press
Place:Erlangen
Editor:Jörg Franke, Nico Hanenkamp, Tino Hausotte, Marion Merklein, Michael Schmidt, Sandro Wartzack
Referee:Michael Schmidt, Robert Huber
Advisor:Michael Schmidt
Document Type:Doctoral Thesis
Language:English
Year of publication:2021
Date of online publication (Embargo Date):2021/10/13
Publishing Institution:FAU University Press
Granting institution:Friedrich-Alexander-Universität Erlangen-Nürnberg (FAU), Technische Fakultät
Acceptance date of the thesis:2021/05/03
Release Date:2021/10/15
Tag:endoscopy; hyperspectral; machine learning; multispectral; tumour
SWD-Keyword:Hyperspektral; Multispektral; maschinelles Lernen; Endoskopie; Tumor; Ingenieurwissenschaften; Maschinenbau; Produktionstechnik
Length/size:x, 137 Seiten
Notes:
Parallel erschienen als Druckausgabe bei FAU University Press, ISBN: 978-3-96147-445-5
Original publication:mb.fau.de/diss
Institutes:Technische Fakultät / Department Maschinenbau
Technische Fakultät / Department Maschinenbau / Lehrstuhl für Photonische Technologien (LPT)
Dewey Decimal Classification:6 Technik, Medizin, angewandte Wissenschaften / 60 Technik / 600 Technik, Technologie
6 Technik, Medizin, angewandte Wissenschaften / 61 Medizin und Gesundheit / 610 Medizin und Gesundheit
6 Technik, Medizin, angewandte Wissenschaften / 62 Ingenieurwissenschaften / 620 Ingenieurwissenschaften und zugeordnete Tätigkeiten
6 Technik, Medizin, angewandte Wissenschaften / 62 Ingenieurwissenschaften / 621 Angewandte Physik
open_access (DINI-Set):open_access
Collections:Universität Erlangen-Nürnberg / FAU University Press
Licence (German):Creative Commons - CC BY-NC - Namensnennung - Nicht kommerziell 4.0 International
Einverstanden ✔
Diese Webseite verwendet technisch erforderliche Session-Cookies. Durch die weitere Nutzung der Webseite stimmen Sie diesem zu. Unsere Datenschutzerklärung finden Sie hier.