人工智能辅助光谱学评估烧伤严重程度以提高康复率
发布时间：2023-02-20 08:00:00 阅读数： 80
2023年2月17日 - 石溪大学的研究人员开发了一个神经网络模型，利用太赫兹时域光谱（THz-TDS）来评估烧伤并预测愈合结果。最新的工作建立在之前的进展上，研究人员开发了一种便携式手持成像设备，用于对烧伤进行快速的太赫兹-TDS成像，其目的是使该方法在临床上得到实用。
由烧伤引起的物理变化将产生太赫兹反射率的改变。出于这个原因，THz-TDS使用短脉冲的太赫兹辐射来探测样品，显示出作为准确估计烧伤严重程度的工具的潜力。
对烧伤深度的初步评估构成了治疗过程的基础。然而，严重的皮肤烧伤是高度动态的，因此很难评估和预测。据M. Hassan Arbab教授说，目前依赖视觉和触觉检查的烧伤深度评估方法已被证明是不可靠的。Arbab说，对于这些方法，准确率从60%到75%不等。
研究人员开发了一种新的、基于物理学的神经网络模型，使用太赫兹时域光谱（THz-TDS）数据进行无创烧伤评估。他们将新方法与所示的手持式成像设备相结合，该设备是为烧伤的快速太赫兹-TDS成像而开发的。石溪大学提供。
在他们早期的研究中，团队成员使用数值方法从太赫兹-TDS图像中提取特征，并使用机器学习技术，利用从PHASR扫描仪--该团队开发的便携式设备--获得的测量结果来估计体内烧伤的严重程度等级。然而，这种方法并没有考虑烧伤皮肤组织的物理动态和介电常数的宏观变化。
介电常数描述了一种材料对电场的反应；烧伤的皮肤组织对电场的反应方式可以表明烧伤的严重程度的变化。烧伤组织的介电功能的物理动态和宏观变化可以改变组织的太赫兹反射率，并被认为是造成不同深度介电常数的烧伤的太赫兹-TDS测量对比的原因。
研究人员转向了双德拜理论，该理论以前曾被用来解释太赫兹辐射与生物组织的相互作用。研究人员使用该理论来模拟烧伤组织的介电常数。他们开发了一种方法，利用双德拜参数计算体内烧伤的物理太赫兹光谱特征。
"Arbab说："我们开发了一个神经网络模型，利用从拟合双德拜模型得到的五个参数来计算烧伤的介电常数。
研究人员证明，双德拜模型的五个参数可以形成一个人工神经网络分类算法，能够自动诊断烧伤的严重程度，并且还能够预测烧伤后28天的伤口再上皮化状态。
用PHASR扫描仪在0.2和0.9太赫兹之间的频率范围内进行扫描获得的烧伤的太赫兹光谱图像。石溪大学提供。
THz-TDS用于诊断烧伤的严重程度，最初仅限于点状光谱测量，它没有考虑到烧伤的异质性和空间变化。此外，尽管已经开发了各种其他技术来改善烧伤评估，但由于其他缺点，如采集时间长、成本高、穿透深度和视野有限，它们也未能获得广泛采用。以前的太赫兹光谱设置，尽管在技术上很有前途，但却很笨重和昂贵，使它们不适合在临床上使用。
研究人员开发了便携式手持光谱反射（PHASR）扫描仪，它能利用太赫兹-TDS对体内烧伤进行快速高光谱成像，以解决这一问题。
"Arbab说："这个手持设备使用中心波长为1560纳米的双光纤飞秒激光器和远心成像配置中的太赫兹光导天线，在短短几秒钟内对37×27平方毫米的视场进行快速成像。
研究人员还实施了数字特征提取和机器学习技术，利用PHASR扫描仪的测量结果自动估计体内烧伤的严重程度等级。他们获得了猪体内皮肤烧伤的光谱图像，并使用PHASR扫描仪测量了烧伤的许可率。在确定了德拜参数后，研究人员利用这些数据建立了一个基于标记的活体组织的神经网络模型。德拜参数提供了一种基于组织的介电功能的特征提取策略，而不是使用纯粹的数字特征。
据Arbab称，基于物理学的方法有助于最终降低用于训练人工智能模型的太赫兹数据的维度。他说，这可以提高机器学习算法的效率。
德拜参数与神经网络模型相结合时，能够以93%的准确率预测伤口愈合过程的结果，以84.5%的平均准确率预测烧伤的严重程度组。
由于新的烧伤评估技术将神经网络模型的输入变量数量减少到只有五个德拜参数，它将必要的训练数据量降低了至少两个数量级。
研究人员说，在将该技术纳入现有的临床烧伤评估工作流程之前，还需要对该技术和手持式成像设备进行临床测试。然而，报告的准确率有望成为诊断烧伤的有力策略。
该研究发表在《生物医学光学快报》（www.doi.org/10.1364/BOE.479567）上。
