基于光效应的超光谱成像用于快速检测常见的感染细菌
Lin Tao1, Decheng Wu1, Hao Tang2
1School of Automation, Chongqing University of Posts and Telecommunications, Chongqing, China.
Journal of biophotonics
|May 30, 2025
概括
这项研究引入了一种新的非侵入性方法,使用光高光谱成像和深度学习来快速检测伤口中的细菌. 该方法在识别细菌物种方面实现了高精度,改善了临床诊断.
科学领域:
- 医疗成像医学成像
- 计算生物学 计算生物学
- 微生物学 微生物学
背景情况:
- 准确和快速检测细菌性伤口感染对于有效的临床管理至关重要.
- 像细菌培养和PCR这样的传统方法具有侵入性和耗时性,对治疗点诊断构成了局限性.
研究的目的:
- 开发和验证一种非侵入性方法,用于在伤口感染中快速识别常见细菌.
- 将光超光谱成像 (FHSI) 与先进的深度学习算法相结合,以增强细菌检测.
主要方法:
- 利用FHSI捕获八种细菌物种的光光谱数据 (420-700nm).
- 开发了一种新的空间-光谱多尺度注意网络 (SSMA-Net) 来处理复杂的空间和光谱信息.
- 在各种细菌生长条件和度中评估了模型的性能.
主要成果:
- 在细菌分类中获得了98.52%的准确性,在物种级别识别中获得了98.71%的准确性.
- 在低至10^4 CFU/mL的细菌度下证明成功分类.
- 验证了拟议的基于FHSI的深度学习方法的非侵入性和高灵敏性.
结论:
- 与深度学习相结合的FHSI提供了一个强大的工具,用于在伤口感染中快速,非侵入性的细菌类型.
- SSMA-Net模型显示了改善临床诊断和患者治疗结果的巨大潜力.
- 这项技术为在传染病管理中更快,更准确的护理点诊断铺平了道路.
