从使用卷积神经网络的高光谱图像中预测血瘤的年龄
Arash Keshavarz1, Gerald Bieber1, Daniel Wulff2
1Visual Computing, Fraunhofer-Institute for Computer Graphics Research IGD, 18059 Rostock, Germany.
Journal of imaging
|February 26, 2026
概括
使用高光谱成像 (HSI) 和卷积神经网络 (CNN) 改进了精确的血液瘤年龄估计. 这种方法通过分析光谱和空间数据来提高准确性,帮助法医和临床评估.
科学领域:
- 法医科学 法医科学 法医科学
- 生物医学成像技术 生物医学成像技术
- 机器学习 机器学习
背景情况:
- 血液瘤年龄估计在法医科学中至关重要,但目前依赖于主观视觉分析.
- 超光谱成像 (HSI) 通过捕获反映生物化学变化的详细光谱信息来提供客观数据.
研究的目的:
- 评估结合光谱和空间数据的卷积神经网络 (CNN) 的有效性,以改善血液瘤年龄估计.
- 为了确定生理相关波长的减少子集是否可以保持估计的准确性.
主要方法:
- 超光谱成像 (HSI) 用于25名参与者的前臂血液瘤.
- 放射性规范化和基于SAM的细分被应用来提取高光谱贴片.
- 一个CNN模型被训练并使用leave-one-subject-out交叉验证进行验证,与光谱-only Lasso基线进行比较.
主要成果:
- 美国有线电视新闻网的模型显著优于仅光谱的基线,将平均绝对误差 (MAE) 从3.24日降至2.29天.
- 频段重要性分析确定了20个关键波长,当单独使用时,与全204频段模型的准确性相匹配或超过.
- 最优化的方法在早期,中期和晚期血瘤阶段保持了准确性.
结论:
- 使用CNN的光谱空间建模增强了对象性血液瘤年龄估计的准确性.
- 以生理学为基础的频段选择可以减少数据的维度,而不会影响性能.
- 这种方法有助于开发用于临床和法医应用的实用多谱系统.