使用智能手机应用程序开发和验证新生儿黄检测方法
Guan-Ting Shen1, Yu-Hwan Liu2, Jin-Yi Lin1
1Center of Innovation and Incubation, Ditmanson Medical Foundation Chia-Yi Christian Hospital, Chiayi, Taiwan.
Computers in biology and medicine
|August 10, 2025
概括
智能手机成像可以准确量化新生儿黄的严重程度,为早期检测提供一种非侵入性,易于使用的工具. 这种方法有助于家长在家里查新生儿,防止严重的并发症.
科学领域:
- 医疗成像医学成像
- 机器学习 机器学习
- 新生儿健康 新生儿健康
背景情况:
- 新生儿黄是一种常见的疾病,需要监测以防止脑损伤.
- 目前的检测方法,如血液检测和胆红素计有局限性.
- 现有的智能手机工具用于检测黄往往不准确.
研究的目的:
- 开发和评估基于智能手机的成像方法,用于非侵入性量化新生儿黄.
- 评估机器学习模型在从智能手机图像中预测血清总 bilirubin (TsB) 水平时的准确性.
主要方法:
- 健康的新生儿 (妊娠年龄≥35周) 使用智能手机和彩色校准卡捕捉了面部和胸部图像.
- 图像经历了颜色正常化,皮肤区域提取和特征工程.
- 训练了多重回归模型,包括多层感知子,以预测TSB水平.
主要成果:
- 一个多层感知子模型实现了TSB的高预测精度 (R=0.90,RMSE=2.44 mg/dL).
- 该模型准确地确定了89.4%的新生儿TSB>15 mg/dL (AUC=0.963,敏感性=90.1%,特异性=89.0%).
- 这种方法超过了其他六种机器学习算法.
结论:
- 智能手机成像与机器学习相结合,为评估新生儿黄严重程度提供了一个精确,可访问和非侵入性的方法.
- 这项技术为家长在家中进行黄查提供了实用解决方案.
- 进一步验证可以使早期干预成为可能,并在全球范围内预防严重的新生儿黄并发症.
