数字红外热学和机器学习用于糖尿病脚的评估:热模式和分类

科学领域:

• 生物医学工程 生物医学工程
• 医疗成像医学成像
• 糖尿病研究 糖尿病研究

背景情况:

• 糖尿病足部并发症对健康构成重大风险.
• 早期发现糖尿病脚问题对于预防严重后果至关重要.
• 数字红外热学提供了一种非侵入性的热量评估方法.

研究的目的:

• 用热图分析2型糖尿病患者的脚底热模式.
• 探索热模式与临床变量 (如HbA1c和BMI) 之间的相关性.
• 开发和评估一种机器学习模型,根据热数据对糖尿病患者进行分类.

主要方法:

• 从23名糖尿病患者和27名对照组中获取和细分脚部脚部温度图.
• 计算平均脚温度和温度变化指数.
• 皮尔森的相关性分析和两层机器学习模型 (PCA + SVM) 用于分类.

主要成果:

• 在平均脚温和糖化血红蛋白 (ρ=0.44,p=0.0015) 和体重指数 (ρ=0.35,p=0.013) 之间发现了显著的正相关性.
• 机器学习模型在分类糖尿病患者与对照组中实现了90%的整体准确性,100%的特异性和78.3%的灵敏性.
• 温度变化指数与临床变量没有显著相关.

结论:

• 热力学与机器学习相结合显示出评估糖尿病脚部并发症的潜力.
• 脚部温度变化与糖尿病的临床指标相关,这表明它们的有用性.
• 开发的机器学习模型在查目的上显示出高精度,因此需要进一步研究临床实用性.