从光学连贯性断层扫描图像的耳炎介质相关细菌生物膜的基于纹理的特异化使用监督分类的分类

科学领域:

• 生物医学光学 生物医学光学
• 医疗成像医学成像
• 机器学习在医学中的应用

背景情况:

• 中耳炎 (OM) 是一种常见的儿童耳部感染,通常涉及抗生素耐药的细菌生物膜.
• 常见的致病原体包括 * 流感血球菌 * 肺炎菌 * 肺炎菌 * 摩拉菌 * 菌 * 假菌 * 和金黄色葡萄球菌.
• 光学连贯断层扫描 (OCT) 是一种用于可视化中耳生物膜的临床工具.

研究的目的:

• 使用OCT比较细菌生物膜的微观结构纹理特征.
• 开发和评估机器学习模型,用于分类和指定细菌生物膜 *in vitro*和 *in vivo*.
• 评估基于OCT的纹理分析对耳部感染实时临床表征的潜力.

主要方法:

• 从细菌生物膜的OCT B-Scan图像中提取了纹理特征.
• 应用了监督机器学习框架,包括支持矢量机 (SVM),随机森林 (RF) 和XGBoost.
• 分类器被训练和测试在*体外*培养和*体内*临床图像从人类受试者.

主要成果:

• 优化的SVM-RBF和XGBoost分类器在区分细菌生物膜方面表现出有效性.
• 两种分类器都实现了超过95%的接收器操作曲线 (AUC) 下的区域,用于检测每个生物膜类.
• 该研究成功地根据OCT图像纹理特征区分了细菌生物膜.

结论:

• 与机器学习相结合的OCT提供了一种有希望的方法来区分与中耳炎相关的细菌生物膜.
• 这种技术有可能为耳部感染的实时*in vivo*特征提供有价值的临床数据.
• 对海外国土图像的纹理分析可以帮助识别导致OM的特定细菌菌株.