使用Vis-NIR和SWIR高光谱成像以及机器学习来检测骨感染
Lukas Kampik1, Richard Andreas Lindtner1, David Putzer1
1Department of Orthopaedics and Traumatology, Medical University of Innsbruck, Anichstraße 35, 6020 Innsbruck, Austria.
概括
超光谱成像 (HSI) 可以使用可见光和近红外 (Vis-NIR) 光快速检测骨感染. 这项技术在识别细菌污染方面具有很高的准确性,有助于更快的手术决策.
科学领域:
- 整形外科手术 整形外科手术
- 医疗成像医学成像
- 微生物学 微生物学
背景情况:
- 骨感染在骨科手术中带来了重大的诊断和治疗挑战.
- 目前的诊断方法,如组织培养,速度慢,缺乏灵敏度,延迟了关键的临床决策.
- 快速准确地检测骨感染对于有效的治疗和患者的治疗结果至关重要.
研究的目的:
- 调查高光谱成像 (HSI) 在可见和近红外 (Vis-NIR) 和短波红外 (SWIR) 光谱范围中的有效性,以快速检测骨感染.
- 评估用于分析光谱数据的机器学习算法,以区分受感染与未受感染的骨样.
- 评估HSI作为实时,无标签工具的潜力,用于手术内骨感染诊断.
主要方法:
- 活体人类骨样本被用来建立一个体外生物膜模型,其中包括金黄色葡萄球菌和上皮葡萄球菌.
- 超光谱成像 (HSI) 在Vis-NIR和SWIR光谱范围进行.
- 使用机器学习算法分析了光谱数据,包括k-最近邻居 (kNN),支向量机 (SVM),部分最小平方差分分析 (PLS-DA) 和类类类比的软独立建模 (SIMCA).
主要成果:
- 与基于SWIR的分类相比,Vis-NIR-HSI模型显示出更高的性能.
- 在区分注射和未注射的人类骨样本方面,获得了高达99.58%的分类精度.
- 这种Vis-NIR-HSI方法使得细菌物种的准确分化成为可能.
结论:
- 视-NIR-HSI显示出作为一个实时,无标签的内科手术工具来检测骨感染的巨大潜力.
- 这项技术可以弥合术前成像和延迟的微生物学结果之间的差距.
- 这些发现支持在怀疑骨感染的情况下立即做出手术决策.
更多相关视频
07:15Machine Learning Algorithms for Early Detection of Bone Metastases in an Experimental Rat Model
Published on: August 16, 2020
6.9K
07:48High Spatial Resolution Chemical Imaging of Implant-Associated Infections with X-ray Excited Luminescence Chemical Imaging Through Tissue
Published on: September 30, 2022
1.4K
