开发一种多模式原型装置,用于组织输血监测
概括
这项研究引入了一种机器学习系统,使用热IR和RGB成像来监测手术后的组织 perfusion. 它有效地检测动脉和静脉阻塞,旨在减少对过度扩展的护理人员的依赖.
科学领域:
- 生物医学工程 生物医学工程
- 医疗成像医学成像
- 机器学习 机器学习
背景情况:
- 血管后瘤修复需要48-72小时的密切组织监测.
- 目前的监测严重依赖于护理人员,导致过度扩展.
研究的目的:
- 开发一种使用机器学习的多式组织 perfusion 监测系统.
- 为了启用无人监督的警报术后并发症.
主要方法:
- 使用了热IR,RGB和激光光斑成像模式.
- 采用了ResNet骨干,用于数据集成的早期和晚期融合.
- 对比不同图像模式的实用性,以对动脉和静脉阻塞进行分类.
主要成果:
- 热红外和RGB图像的晚期融合在分类中表现出卓越的性能.
- 该系统显示了无人监控组织输液监测的潜力.
结论:
- 多模式成像与机器学习相结合,为术后组织监测提供了一个有希望的解决方案.
- 开发的系统有可能提高患者的安全性,并减少医疗保健专业人员的工作量.


