现场NIR光谱研究微重力诱导的关节软骨退化与ResNet-18
Qingxia Wu1, Xinyi Ji1, Jinjin Wu1
1Department of Biomedical Engineering, Nanjing University of Aeronautics and Astronautics, Nanjing 210016, China.
Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy
|November 16, 2025
概括
近红外 (NIR) 光谱和深度学习模型准确地检测到模拟微重力引起的关节软骨退化. 这种方法为早期诊断太空飞行中的联合问题提供了一个有希望的策略.
科学领域:
- 生物医学工程 生物医学工程
- 频谱学是一种光谱学.
- 人工智能的人工智能
背景情况:
- 关节软骨 (AC) 对于关节功能至关重要,但在微重力下容易发生退化.
- 目前的方法难以在微重力下在现场检测软骨变化.
- 近红外 (NIR) 光谱技术提供深层组织透和快速检测用于软骨评估.
研究的目的:
- 评估NIR光谱学与机器学习相结合的潜力,用于在模拟微重力条件下评估软骨退化.
- 根据NIR光谱数据开发和验证用于识别和分类软骨退化模型的模型.
主要方法:
- 使用定制的NIR探测器在21天内从对照和尾部悬浮 (模拟微重力) 软骨中收集现场光谱.
- 分析了NIR光谱数据,以检测原和蛋白质糖的变化.
- 支持矢量机 (SVM) 和剩余网络 (ResNet-18) 模型,利用连续波量变换,被用于分类.
主要成果:
- 尼尔射线光谱分析显示,随着长时间的微重力暴露,交流元件的波动和退化.
- 二元分类 (控制与21天微重力) 在SVM和ResNet-18.两种情况下都实现了>90%的准确性.
- 与SVM相比,ResNet-18在多类分类任务 (三元和四元) 中表现优异,精度高达87.76%.
结论:
- 与深度学习 (ResNet-18) 相结合的NIR光谱显示了在微重力下对软骨退化的现场监测的巨大潜力.
- 这种方法为早期诊断和对航空航天环境联合适应的基础研究提供了有前途的战略.
