Significance: The early detection of dysplasia in patients with Barrett’s esophagus could improve outcomes by enabling curative intervention; however, dysplasia is often inconspicuous using conventional white-light endoscopy. Aim: We sought to determine whether multispectral imaging (MSI) could be applied in endoscopy to improve detection of dysplasia in the upper gastrointestinal (GI) tract. Approach: We used a commercial fiberscope to relay imaging data from within the upper GI tract to a snapshot MSI camera capable of collecting data from nine spectral bands. The system was deployed in a pilot clinical study of 20 patients (ClinicalTrials.gov NCT03388047) to capture 727 in vivo image cubes matched with gold-standard diagnosis from histopathology. We compared the performance of seven learning-based methods for data classification, including linear discriminant analysis, k-nearest neighbor classification, and a neural network. Results: Validation of our approach using a Macbeth color chart achieved an image-based classification accuracy of 96.5%. Although our patient cohort showed significant intra- and interpatient variance, we were able to resolve disease-specific contributions to the recorded MSI data. In classification, a combined principal component analysis and k-nearest-neighbor approach performed best, achieving accuracies of 95.8%, 90.7%, and 76.1%, respectively, for squamous, non-dysplastic Barrett’s esophagus and neoplasia based on majority decisions per-image. Conclusions: MSI shows promise for disease classification in Barrett’s esophagus and merits further investigation as a tool in high-definition “chip-on-tip” endoscopes.

中文翻译：

---

用于早期检测 Barrett 相关肿瘤的快照多光谱内窥镜的首次人体试验研究

意义：早期发现 Barrett 食管患者的异型增生可以通过进行治疗干预来改善预后；然而，使用传统的白光内窥镜检查，异型增生通常是不明显的。目的：我们试图确定是否可以在内窥镜检查中应用多光谱成像 (MSI) 以改善对上消化道 (GI) 发育不良的检测。方法：我们使用商用纤维镜将上消化道内的成像数据传输到能够从九个光谱带收集数据的快照 MSI 相机。该系统被部署在 20 名患者的试点临床研究 (ClinicalTrials.gov NCT03388047) 中，以捕获 727 个与组织病理学的金标准诊断相匹配的体内图像立方体。我们比较了七种基于学习的数据分类方法的性能，包括线性判别分析、k-最近邻分类和神经网络。结果：使用 Macbeth 颜色图表验证我们的方法实现了 96.5% 的基于图像的分类准确率。尽管我们的患者队列显示出显着的患者内和患者间差异，但我们能够解决对记录的 MSI 数据的疾病特定贡献。在分类中，基于每张图像的多数决策，组合主成分分析和 k-最近邻方法表现最佳，对于鳞状、非发育不良 Barrett 食管和肿瘤的准确率分别为 95.8%、90.7% 和 76.1% . 结论：MSI 显示出 Barrett 食管疾病分类的前景，值得进一步研究作为高清“尖端芯片”内窥镜的工具。k-最近邻分类和神经网络。结果：使用 Macbeth 颜色图表验证我们的方法实现了 96.5% 的基于图像的分类准确率。尽管我们的患者队列显示出显着的患者内和患者间差异，但我们能够解决对记录的 MSI 数据的疾病特定贡献。在分类中，基于每张图像的多数决策，组合主成分分析和 k-最近邻方法表现最佳，对于鳞状、非发育不良 Barrett 食管和肿瘤的准确率分别为 95.8%、90.7% 和 76.1% . 结论：MSI 显示出 Barrett 食管疾病分类的前景，值得进一步研究作为高清“尖端芯片”内窥镜的工具。k-最近邻分类和神经网络。结果：使用 Macbeth 颜色图表验证我们的方法实现了 96.5% 的基于图像的分类准确率。尽管我们的患者队列显示出显着的患者内和患者间差异，但我们能够解决对记录的 MSI 数据的疾病特定贡献。在分类中，基于每张图像的多数决策，组合主成分分析和 k-最近邻方法表现最佳，对于鳞状、非发育不良 Barrett 食管和肿瘤的准确率分别为 95.8%、90.7% 和 76.1% . 结论：MSI 显示出 Barrett 食管疾病分类的前景，值得进一步研究作为高清“尖端芯片”内窥镜的工具。使用 Macbeth 颜色图表验证我们的方法实现了 96.5% 的基于图像的分类准确率。尽管我们的患者队列显示出显着的患者内和患者间差异，但我们能够解决对记录的 MSI 数据的疾病特定贡献。在分类中，基于每张图像的多数决策，组合主成分分析和 k-最近邻方法表现最佳，对于鳞状、非发育不良 Barrett 食管和肿瘤的准确率分别为 95.8%、90.7% 和 76.1% . 结论：MSI 显示出 Barrett 食管疾病分类的前景，值得进一步研究作为高清“尖端芯片”内窥镜的工具。使用 Macbeth 颜色图表验证我们的方法实现了 96.5% 的基于图像的分类准确率。尽管我们的患者队列显示出显着的患者内和患者间差异，但我们能够解决对记录的 MSI 数据的疾病特定贡献。在分类中，基于每张图像的多数决策，组合主成分分析和 k-最近邻方法表现最佳，对于鳞状、非发育不良 Barrett 食管和肿瘤的准确率分别为 95.8%、90.7% 和 76.1% . 结论：MSI 显示出 Barrett 食管疾病分类的前景，值得进一步研究作为高清“尖端芯片”内窥镜的工具。尽管我们的患者队列显示出显着的患者内和患者间差异，但我们能够解决对记录的 MSI 数据的疾病特定贡献。在分类中，基于每张图像的多数决策，组合主成分分析和 k-最近邻方法表现最佳，对于鳞状、非发育不良 Barrett 食管和肿瘤的准确率分别为 95.8%、90.7% 和 76.1% . 结论：MSI 显示出 Barrett 食管疾病分类的前景，值得进一步研究作为高清“尖端芯片”内窥镜的工具。尽管我们的患者队列显示出显着的患者内和患者间差异，但我们能够解决对记录的 MSI 数据的疾病特定贡献。在分类中，基于每张图像的多数决策，组合主成分分析和 k-最近邻方法表现最佳，对于鳞状、非发育不良 Barrett 食管和肿瘤的准确率分别为 95.8%、90.7% 和 76.1% . 结论：MSI 显示出 Barrett 食管疾病分类的前景，值得进一步研究作为高清“尖端芯片”内窥镜的工具。和 76.1%，分别用于鳞状、非发育不良 Barrett 食管和瘤形成，基于每张图像的多数决定。结论：MSI 显示出 Barrett 食管疾病分类的前景，值得进一步研究作为高清“尖端芯片”内窥镜的工具。和 76.1%，分别用于鳞状、非发育不良 Barrett 食管和瘤形成，基于每张图像的多数决定。结论：MSI 显示出 Barrett 食管疾病分类的前景，值得进一步研究作为高清“尖端芯片”内窥镜的工具。