Las imágenes hiperespectrales son una tecnología emergente en el campo de la medicina debido a su capacidad de detectar la composición química de distintos materiales de forma no invasiva. Algunos estudios previos ya  han empleado esta tecnología para la detección de cáncer. En este trabajo de investigación, un equipo multidisciplinar compuestos por patólogos e ingenieros presentan una prueba de concepto donde se emplea el análisis de imágenes hiperespectrales con el fin de detectar tejido tumoral en muestras histológicas. Las muestras usadas en este estudio han sido obtenidas de cuatro pacientes diferentes a los que han diagnosticado previamente cáncer cerebral, más específicamente gliomas de alto grado. El sistema de captura hiperespectral consiste en una cámara hiperespectral acoplada a un microscopio. Este sistema funciona en el rango espectral VNIR (de
400 nm a 1000 nm) con una resolución espectral de 3 nm. Las imágenes se han procesado con el fin de eliminar cualquier efecto causado por el sistema de adquisición, independizando la medida del sistema de captura. A continuación, y tomando como base en el diagnóstico proporcionado por los patólogos, se ha creado una base de datos que contiene únicamente la información espectral de cada tejido y la etiqueta que define el diagnostico de cada tipo de tejido (sano o tumoral).

Los datos se han procesado utilizando tres algoritmos de aprendizaje supervisado diferentes: Support Vector Machines, Redes Neuronales Artificiales y Random Forests. Las capacidades de discriminación entre tejido normal y tumoral se han evaluado en tres escenarios diferentes, donde la variabilidad inter-paciente de los datos ha sido o no tenida en cuenta. Los resultados obtenidos en este estudio de investigación son prometedores, mostrando que es posible distinguir entre el tejido normal y tumoral exclusivamente atendiendo a la firma espectral del tejido.

Hyperspectral imaging is an emerging technology for medical diagnosis. Some previous studies have employed this technology for detecting cancer diseases. In this research work, a multidisciplinary team compounds by pathologists and engineers present a proof of concept of using hyperspectral imaging analysis in order to detect human brain tumour tissue inside pathological slides. The samples were acquired from four different patient diagnosed with brain cancer, specifically with high-grade gliomas. The hyperspectral capture system consists on a hyperspectral camera coupled with a microscope. This system works in the VNIR spectral range (from 400 nm to 1000 nm) with a spectral resolution of 3 nm. The images where then processed in order to remove the effect caused by the acquisition system. Later, and based on the diagnostic provided by pathologist, a spectral
dataset containing only labelled spectra from normal and tumour tissue was created.

The data were then processed using three different supervised learning algorithms: Support Vector Machines, Artificial Neural Networks and Random Forests. The capabilities of discriminating between normal and tumour  issue have been evaluated in three different scenarios, where the inter-patient variability of data was or not taken into account. The results achieved in this research study are promising, showing that it is possible to  distinguish between normal and tumour tissue exclusively attending to the spectral signature of tissue.

• Presidente: José Francisco López Feliciano
• Secretario: José María Quinteiro González
• Vocal: Javier A. García García

HELICOID: Hyperspectral Imaging Cancer Detection (FP7-618080)