Estimation of tissue’s optical properties from reflectance data using machine learning models

As doenças oncológicas consistem numa das maiores preocupações dos sistemas de saúde a nível mundial, visto que o cancro é anualmente responsável por milhões de mortes. Além disso, se o cancro for detetado num estágio tardio poderá tornar o seu tratamento mais difícil, ou mesmo ineficaz. Tendo em conta estes fatores, novas tecnologias de diagnóstico de cancro são necessárias para melhorar o tratamento médico fornecido aos pacientes. A ótica médica é uma disciplina que tem produzido muitos progressos nos últimos 40 anos e que pretende a longo prazo substituir as tecnologias de diagnóstico e de tratamento que utilizam radiação ionizante, permitindo procedimentos não invasivos ou minimamente invasivos. Para qualquer procedimento clínico que utilize a luz é necessário conhecer as propriedades óticas dos tecidos e a sua dependência no comprimento de onda. Tais propriedades são características dos tecidos e apresentam diferenças nos casos de patologia oncológica, devido às mutações genéticas que o cancro produz. Estas alterações nos tecidos com cancro podem ser detetadas com medições sensíveis não invasivas como a reflectância difusa. Devido à falta de formalismos matemáticos que relacionem a reflectância difusa com as propriedades óticas dos tecidos, existem na atualidade ainda muito poucas formas de se proceder a um diagnóstico com estas medições. As Simulações de Monte Carlo são normalmente utilizadas para estimar as propriedades óticas desejadas numa determinada aplicação, no entanto, estas tendem a ser computacionalmente dispendiosas e morosas. Atualmente, os modelos de aprendizagem automática estão a assumir um papel muito importante na ótica médica, em especial na estimação das propriedades óticas dos tecidos biológicos. No entanto, os dados para treino destes modelos não provêm de medições experimentais de tecidos, mas sim de simulações de Monte Carlo ou de medições de estruturas criadas em laboratório como modelos de tecidos. Assim, o objetivo do presente trabalho consistiu em investigar mais aprofundadamente o uso de modelos de aprendizagem automática para estimar as propriedades óticas de tecidos biológicos, tais como: o coeficiente de absorção, o coeficiente de espalhamento e o índice de refração. Para além da estimação das propriedades óticas dos tecidos, estudamos também a classificação em normal ou patológico dos espectros de reflectância difusa, como forma de detetar o cancro colorretal. Os modelos de aprendizagem automática que foram usados para estimar as propriedades óticas de tecidos da mucosa colorectal humana são os seguintes: Single Layer Perceptron, Random Forest Regressor, K Nearest Neighbor, Decision Tree for Multioutput Regression and Linear Regression for Multioutput. Estes modelos foram treinados utilizando o método Leave One Out e para avaliar a sua performance foi calculada a distância euclidiana entre os espectros estimado e de referência que provem das medições experimentais em tecidos. Nestes estudos, o modelo que teve a melhor performance foi o RFR, visto ter sido capaz de estimar com a melhor precisão os espectros do coeficiente de absorção e de produzir a segunda melhor precisão na estimação do coeficiente de espalhamento. Para classificar os espectros de reflexão difusa em espectros normais ou patológicos, tentamos numa primeira experiência usar o declive dos espectros para discriminar entre os dois tipos de espectros, mas sem sucesso. Numa segunda experiência utilizámos uma Selector Vector Machine para classificar os espectros. Depois de selecionar os comprimentos de onda que iriam ser utilizados como features, o modelo foi treinado utilizando o método Leave One Out, obtendo uma precisão de 90%. Em suma, neste estudo nós propomos uma nova framework para estimar as propriedades óticas do tecido colorretal a partir do respetivo espectro de reflectância difusa e usando modelos de aprendizagem automática. Foi também abordada a classificação automática dos espectros de reflectância difusa para a deteção do cancro colorretal. Os modelos usados foram capazes de estimar os espectros desejados de uma forma precisa e com uma distância euclidiana abaixo de dois. Os espectros de absorção foram estimados com uma precisão suficiente para serem usados para calcular o índice de refração dos tecidos. A classificação dos espectros foi atingida com sucesso e com uma precisão de 90%.Oncologic diseases are one of the main concerns of the health systems around the world due to the fact that cancer is responsible for millions of deaths per year. In general, cancer diseases are detected at a late stage of development, turning its treatment more difficult, or even impossible. Taking these factors into account, new cancer diagnostic technologies are necessary to improve the clinical therapies for the patient. Biophotonics is a field that has produced many improvements in the past 40 years and whose long-term objective is to replace diagnostic and treatment procedures that use ionizing radiation, allowing the application of noninvasive or minimally invasive procedures. For any clinical procedure that uses light, it is necessary to know the optical properties of tissues and their wavelength dependence. Such properties are characteristic to the biological tissues and present differences in cases of oncological pathologies due to the genetic mutations that cancer produces. Such cancer-induced mutations can be detected with noninvasive sensitive measurements, such as diffuse reflectance. Due to the lack of mathematical formalisms that relate the diffuse reflectance with the optical properties of tissues, there are still very few ways to obtain a reliable diagnosis with such measurements. Monte Carlo simulations are normally used to estimate the optical properties in particular applications, but they are time consuming and computational expensive. Nowadays, the machine learning models are assuming a very important role in biophotonics, especially in the estimation of tissue’s optical properties. Nevertheless, the experimental data used to train such models are not obtained from biological tissues, but from tissue phantoms or from Monte Carlo simulations. This way, the objective of the present work was to deep investigate the use of machine learning models to estimate the optical properties of biological tissues, such as the absorption coefficient, the scattering coefficient and the refractive index. Additionally, the automated classification of the experimental diffuse reflectance spectra into normal or diseased, as a way to detect colorectal cancer, was also studied. The machine learning models that were used to estimate the optical properties of human colorectal mucosa tissues were the following: Single Layer Perceptron, Random Forest Regressor, K Nearest Neighbor, Decision Tree for Multioutput Regression and Linear Regression for Multioutput. These models were trained using the Leave One Out method and the euclidean distance between the reference (experimental) and estimated spectra was used to evaluate their performance. In these studies, the Random Forest Regressor model was the one with better performance, since it was able to estimate the spectra of the absorption coefficient with the highest precision and presented the secondbest performance in the estimation of the spectra for the scattering coefficient. To classify the diffuse reflectance spectra into normal or pathological, a first trial consisted on evaluating the slope of the spectra, but this turned into a failure. A second attempt was made by using a Selector Vector Machine to classify the spectra. After selecting the wavelengths that would be considered as features, the model was trained using the Leave One Out method. Such procedure resulted in a precision of 90%. As a conclusion, in this work we propose a new framework to estimate the optical properties of colorectal tissues from the diffuse reflectance spectrum through machine learning models. The automatic classification of the diffuse reflectance spectra for cancer detection was also performed. The models used in this task were capable to estimating the desired spectra with an euclidean distance below 2. The absorption spectra were estimated with a sufficient precision to be used for the calculation of the refractive index of the tissues. The spectral classification was successfully reached with a precision of 90%