优化粉-方法用于量化糖尿病神经病变患者的汗水量和毛孔激活
Subathra Yuvaraj1, Jobin Christ M C1, Kalpana Ramakrishnan1
1Department of Biomedical Engineering, Rajalakshmi Engineering College, Chennai, Tamil Nadu, India.
概括
一个优化的粉-测试准确量化出汗腺功能,用于早期发现糖尿病神经病变. 这种方法超越了传统的重力测量,可以测量出汗量和毛孔激活,有助于及时诊断和管理.
科学领域:
- 生物医学工程 生物医学工程
- 临床诊断 临床诊断 临床诊断
- 神经学 神经学
背景情况:
- 早期发现糖尿病神经病变 (DN) 对于预防并发症至关重要.
- 目前用于评估汗腺 (SG) 功能的重力测量等方法在测量毛孔激活方面存在局限性,并且容易变化.
- 对于准确的DN诊断,需要对SG功能进行非侵入性量化.
研究的目的:
- 开发和验证一种优化的粉-测试,同时量化出汗量和毛孔激活.
- 为了比较优化粉-测试与传统重力测试的性能.
- 评估SG功能参数在区分糖尿病神经病变不同阶段的有用性.
主要方法:
- 开发了一种优化的粉-测试,利用类似印机的机制.
- 为了提高体积估计的准确性,使用了结合结构相似度指数测量 (SSIM) 的新算法.
- 优化测试与四组志愿者的重力测量得到了验证:对照组,没有DN,DN第一阶段和DN第二阶段.
主要成果:
- 与对照组和没有神经病变的糖尿病患者相比,DN患者的汗水量和毛孔激活显著减少.
- 优化的粉-方法显示高一致性 (96.3%的准确性) 和强大的正相关性 (斯皮尔曼的 ρ = 0.846, p < 0.001) 与重力测量.
- 显微镜分析显示了DN患者的汗孔的渐进性结构变化,与减少的汗水产生相关.
结论:
- 优化的粉-测试提供了一种可靠和准确的方法,用于评估糖尿病神经病变中的汗腺功能.
- 这种方法可以同时量化出汗量和毛孔激活,比传统的重力计具有优势.
- 这些发现支持使用这种优化的测试,通过通过SG活动检测神经损伤,为糖尿病神经病变的早期和精确诊断提供支持.
