人工智能光学活检用于评估伤口的功能状态

科学领域:

• 生物医学工程 生物医学工程
• 计算生物学 计算生物学
• 伤口治愈研究研究 伤口治愈研究

背景情况:

• 评估活跃的伤口功能状态需要侵入性组织活检.
• 了解伤口愈合的细胞和分子驱动因素在临床上具有挑战性.

研究的目的:

• 开发一种使用数字成像来预测伤口功能状态的非侵入性方法.
• 评估罗神经网络 (SNN) 架构在伤口分析中的有效性.

主要方法:

• 利用体积肌肉损失 (VML) 的狗模型与数字伤口图像和组织活检.
• 在活检上进行RNA测序,以生成基因表达和功能概况.
• 训练了一个SNN从伤口图像段回归功能配置文件.

主要成果:

• 该SNN准确地预测了功能配置文件,误差在5%至30%之间.
• 与早期伤口愈合阶段相关的功能得到了最有效的预测.

结论:

• 这项试点研究表明了机器学习回归在医疗图像上用于伤口评估的潜力.
• 回归功能配置文件为基因特异性分析提供了强大的替代方案,提供了更深入的机制性见解.