健康和化学降解的ex-vivo软骨的定量超声波分类

科学领域:

• 生物医学工程 生物医学工程
• 肌肉骨研究 研究
• 诊断成像 诊断成像 诊断成像

背景情况:

• 骨关节炎 (OA) 的特点是软骨矩阵组件的逐渐损失,包括原蛋白和蛋白质糖.
• 目前用于OA的诊断方法可能是侵入性的或缺乏敏感性来检测早期退化.
• 定量超声波 (QUS) 提供了一种非侵入性的方法来评估组织特性.

研究的目的:

• 评估十个定量超声波参数,以评估牛软骨中的原蛋白和蛋白质甘氨酸损失.
• 使用QUS数据开发和验证机器学习模型,以区分健康的软骨和退化的软骨.
• 研究不同酶治疗方法 (原酶和素) 在模仿OA类降解方面的有效性.

主要方法:

• 活体牛软骨样本使用原酶和素进行了酶分解.
• 使用15MHz超声波探针测量了10个定量超声波参数.
• 机器学习模型,包括随机森林和支持矢量机,被训练来分类软骨状态.
• 为了验证,进行了组织学和机械分析.

主要成果:

• 大多数超声波参数的显著变化在软骨退化时被观察到,特别是在原酶治疗后.
• 支持矢量机模型在区分健康和原酶降解的软骨方面取得了96%的准确性.
• 随机森林模型在区分健康和素处理的软骨方面显示了60%的准确性.
• 组织学和机械评估证实,原酶诱导的降解比素更严重.

结论:

• 定量超声波参数,结合机器学习,可以有效地识别模仿骨关节炎的软骨退化.
• 拟议的非侵入性QUS方法显示了早期检测和监测软骨病理的潜力.
• 这种方法可能会导致软骨健康评估的新标准,促进及时干预.