测量膝关节骨关节炎的严重程度,使用无偏差的快速线扫描拉曼成像系统扫描
Changwei Jiao1, Jiajing Ye2, Jiaqi Liao3
1Centre for Optical and Electromagnetic Research, College of Optical Science and Engineering, Zhejiang University, Hangzhou, 310058, China; Zhejiang Engineering Research Center for Intelligent Medical Imaging, Sensing and Non-invasive Rapid Testing, Taizhou Hospital, Zhejiang University, Taizhou, China.
Analytica chimica acta
|April 5, 2025
概括
这项研究引入了一种具有深度学习的快速拉曼成像系统,用于快速诊断骨关节炎. 该系统通过分析关节组织的化学变化,准确地评估关节炎的严重程度,提高诊断速度和精度.
科学领域:
- 生物医学光学 生物医学光学
- 医疗成像医学成像
- 计算生物学 计算生物学
背景情况:
- 骨关节炎 (OA) 是导致残疾的主要原因,其特点是关节疼痛和功能减弱.
- 早期的OA诊断具有挑战性,因为化学变化在X射线等常规成像中可以检测到的变化之前.
- 目前的拉曼成像提供了详细的化学见解,但对于临床应用来说往往太慢了.
研究的目的:
- 开发一种快速,无标签的方法来诊断和分类骨关节炎 (OA).
- 通过深度学习提高拉曼成像用于OA检测的速度和效率.
- 允许早期识别关节组织中与OA相关的组成变化.
主要方法:
- 开发了一种异常纠正,线扫描共聚焦拉曼成像系统.
- 集成深度学习算法来改善频谱无声化和信号噪声比 (SNR),加速成像速度超过4倍.
- 激发波长的比较 (532,671,785nm),选择671nm以获得最佳性能.
- 机器学习算法的应用用于软骨分化和OA分级 (I-IV).
主要成果:
- 该系统实现了高空间 (2微米) 和光谱 (0.2纳米) 的分辨率.
- 深度学习通过减少集成时间显著提高了成像速度和数据质量.
- 机器学习模型在区分关节和化软骨方面表现出98%的准确性.
- 精确区分I至IV级关节炎,准确度达到了97%.
结论:
- 开发的快速拉曼成像系统,通过深度学习增强,显著加快OA诊断和分级.
- 这种无标签的技术可以检测到常规成像无法检测到的早期组成变化,从而实现精确的分级.
- 该系统有望推进骨科诊断,促进量身定制的治疗,并改善患者的治疗结果.
