一项关于智能光学骨密度计的研究
Takhellambam Gautam Meitei1, Wei-Chun Chang1,2, Pou-Leng Cheong1,3,4
1Department of PhotonicsCollege of Electrical and Computer EngineeringNational Yang Ming Chiao Tung University Hsinchu 30010 Taiwan.
概括
这项研究引入了一种使用近红外光和深度学习来选骨密度的新方法. 该技术显示出高精度,为传统的骨密度测试提供了一个有希望的替代方案.
科学领域:
- 生物医学工程 生物医学工程
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 骨质疏松症是一种普遍的疾病,特别是在老年人群中.
- 双能X射线吸收计 (DXA) 是诊断的标准,但成本昂贵,需要专业知识.
- 需要更容易获得的骨密度查方法.
研究的目的:
- 开发和验证一种新的,快速查方法来检测骨密度.
- 利用近红外光和深度学习来评估骨密度.
- 为骨质疏松症查提供DXA的可访问替代品.
主要方法:
- 接近红外线的光线被用来捕捉局部身体的信息.
- 深度学习算法分析捕获的数据以预测骨密度.
- 多线性回归最初用于与DXA测量的骨矿物密度 (BMD) 建立相关性.
主要成果:
- 最初的多线性回归显示出与DXA BMD有很强的相关性 (r = 0.98,p < 0.003).
- 深度学习模型预测了手腕,部和脊柱的骨密度.
- 预测误差低于手腕的10%,低于部和脊柱的20%.
结论:
- 拟议的近红外和深度学习方法是骨密度查的可行和准确方法.
- 这种技术为DXA提供了一个潜在的更容易获得和更具成本效益的替代方案.
- 进一步开发可以提高广泛的骨质疏松症查的可访问性.
