Uso de bosques aleatorios para la identificación de tejido cerebral mediante espectroscopia Raman

Resumen El diagnóstico definitivo tradicional de los tumores cerebrales se realiza mediante biopsia por aguja bajo la guía de exámenes basados en imágenes. Este paradigma se basa en la experiencia de los radiólogos, y la precisión podría verse afectada por la incertidumbre en la interpretación de imágenes y la colocación de la aguja. La espectroscopia Raman tiene el potencial de mejorar la biopsia por aguja proporcionando huellas dactilares de diferentes materiales y realizando la identificación de tejidos in situ. En este trabajo, presentamos el desarrollo de un algoritmo de aprendizaje automático supervisado utilizando bosques aleatorios (RF) para distinguir el espectro Raman de diferentes tipos de tejido. Se presenta un proceso integral desde la recopilación y preprocesamiento de datos en bruto hasta el entrenamiento y la evaluación del modelo. Para ilustrar la viabilidad de este enfoque, se utilizaron tejidos animales viables, incluyendo ectocinerea (materia gris), alba (materia blanca) y vasos sanguíneos. Se adquirieron espectros Raman utilizando un espectrómetro Raman construido a medida. Los hiperparámetros del modelo RF se determinaron combinando un algoritmo basado en validación cruzada y un ajuste manual. Los resultados experimentales muestran la capacidad de nuestro enfoque para discriminar diferentes tipos de tejidos con alta precisión.