在早产婴儿中使用宽带光学光谱检测死性肠球炎的检测
Ethan Flowerday1, Ali Daneshkhah1, Yuanzhe Su1
1Department of Biomedical Engineering, Northwestern University, Evanston, Illinois, USA.
Journal of biophotonics
|November 11, 2024
概括
使用宽带光学光谱学 (BOS) 的新机器学习方法可以高精度地检测早产婴儿的死角性肠球炎 (NEC). 这种非侵入性技术可能会导致新生儿重症监护室中早期对NEC进行查.
科学领域:
- 生物医学光学 生物医学光学
- 医疗信息学 医疗信息学
- 新生儿医学 新生儿医学
背景情况:
- 结核性肠球炎 (NEC) 是一种严重的胃肠道疾病,会影响早产婴儿.
- 早期发现NEC对于改善患者的治疗结果至关重要.
- 新生儿护理需要使用非侵入性诊断方法.
研究的目的:
- 开发和验证使用宽带光学光谱学 (BOS) 进行NEC分类的机器学习方法.
- 为了确定在早产婴儿中进行非侵入性NEC检测的最佳光谱特征.
主要方法:
- 代主要成分分析 (iPCA) 用于从BOS数据中选择信息波长.
- 神经网络模型使用为NEC分类所选波长进行训练.
- 从新生儿重症监护室 (NICU) 的患者体内收集数据.
主要成果:
- 一个功能减少的神经网络模型实现了88%的准确性,89%的灵敏度和88%的特异性,用于NEC分类.
- 全频谱模型显示出更高的准确性和特异性,但功能减少的模型提供了更高的灵敏度.
- 最优化的模型只需要7个波长才能进行潜在的NEC选.
结论:
- 宽带光学光谱学 (BOS) 与机器学习相结合,显示出对非侵入性NEC检测的前景.
- 开发的iPCA方法有效地减少了光谱数据,同时保持了高分类性能.
- 这种方法可能会导致一种用于高风险婴儿早期NEC查的医疗器械.
