机器阅读和回收颜色用于与血红蛋白相关的生物测试和生物成像

科学领域:

• 生物医学成像技术 生物医学成像技术
• 机器学习 机器学习
• 计算机视觉 计算机视觉
• 数字健康数字健康

背景情况:

• 机器学习和用于生物医学成像的计算机视觉已经进步,但机器色彩学习仍然未得到充分探索.
• 颜色的一致性,恒定性和准确性对于数字诊断至关重要,但因相互依赖而复杂化.
• 目前的颜色参考图表和校正算法对于移动健康 (mHealth) 和远程医疗是不够的,特别是对于检测微妙的颜色变化.

研究的目的:

• 提出一个机器阅读和学习平台,用于生物医学成像中准确的颜色识别和量化.
• 从颜色中提取诊断信息,克服当前数字健康应用程序的局限性.
• 为了在mHealth和远程医疗环境中实现精确的基于颜色的诊断.

主要方法:

• 开发了一个平台,结合了光谱光谱范围的确定和参考颜色优化.
• 利用非主观量化指标和基于神经网络的色彩恢复.
• 采用先进的算法来检索生物组织的绝对颜色.

主要成果:

• 在各种采集场景中,在色彩恢复方面表现出准确性和精度.
• 成功地将框架应用于光致癌研究中的炎症生物成像.
• 在mHealth血液血红蛋白评估中验证的表现.

结论:

• 开发的框架克服了传统色度检测的局限性.
• 能够实现机器兼容的基于颜色的生物测试和生物成像.
• 通过颜色的准确和可靠的机器学习来推进数字诊断.