用深度学习进行斑点模式分析,以低成本检测中风:基于幻影的可行性研究

科学领域:

• 生物医学光学 生物医学光学
• 医疗成像医学成像
• 人工智能在医学中的应用

背景情况:

• 卒中是全球残疾的主要原因,需要及时诊断以防止不可逆转的脑损伤.
• 由于成本和后勤挑战,当前的先进成像技术往往无法在资源有限的环境中使用.

研究的目的:

• 评估基于激光光斑的成像技术,与深度学习集成,用于检测模拟中风条件.
• 通过人工动脉中的斑点图案,评估区分健康血液流动与受限制流动状态的可行性.

主要方法:

• 人工动脉 (直径3-6毫米) 被嵌入到深度为0-10毫米的组织中,以模拟各种血液流动场景.
• 一个高速摄像头捕获了激光诱导的斑点图案,然后通过3D卷积神经网络 (X3D_M) 进行分析,以进行流量条件分类.

主要成果:

• 该技术实现了高分类准确度,在表面较大的船只中,分类准确度从95%到100%不等.
• 对较小或更深的动脉保持了强大的检测,这表明时空斑点模式分析的可靠性.

结论:

• 将斑点成像与深度学习相结合,为可访问和快速的中风检测提供了一个潜在的解决方案.
• 未来的研究将专注于体内实验,解决诸如骨光学特性和近红外照明等内应用的挑战.