小血管的變化是糖尿病發(fā)展的常見后果。慕尼黑工業(yè)大學(xué) (TUM) 和亥姆霍茲慕尼黑大學(xué)的研究人員現(xiàn)已開發(fā)出一種方法，可用于測(cè)量皮膚中的這些微血管變化，從而評(píng)估疾病的嚴(yán)重程度。為了實(shí)現(xiàn)這一目標(biāo)，他們將人工智能 (AI) 和創(chuàng)新的高分辨率光聲成像技術(shù)結(jié)合起來。該成果已發(fā)表在期刊Nature Biomedical Engineering上。
光聲成像方法使用光脈沖在組織內(nèi)產(chǎn)生超聲波。然后產(chǎn)生的超聲波被傳感器記錄并轉(zhuǎn)換成圖像。這些信號(hào)是由強(qiáng)烈吸收光的分子周圍的組織的微小膨脹和收縮引起的。血紅蛋白就是這樣的一種分子。由于血紅蛋白集中在血管中，光聲成像可以以其他非侵入性技術(shù)無法實(shí)現(xiàn)的方式產(chǎn)生詳細(xì)的獨(dú)特血管圖像。
光聲學(xué)或光聲學(xué)的基本原理已為人所知一個(gè)多世紀(jì)了，但在醫(yī)學(xué)上的實(shí)際應(yīng)用卻是最近才出現(xiàn)的。 Vasilis Ntziachristos 是慕尼黑工業(yè)大學(xué)生物成像教授、慕尼黑亥姆霍茲慕尼黑生物與醫(yī)學(xué)成像研究所和生物工程中心主任。他與他的團(tuán)隊(duì)一起開發(fā)了一系列光聲成像方法，其中包括 RSOM(光柵掃描光聲介觀檢查法的縮寫)。
32個(gè)特別重大的變化
研究人員現(xiàn)已成功利用 RSOM 研究糖尿病對(duì)人類皮膚的影響。研究人員利用 75 名糖尿病患者和對(duì)照組腿部血管的 RSOM 圖像，利用人工智能算法識(shí)別了糖尿病的特征。
他們根據(jù)皮膚微血管系統(tǒng)外觀的變化創(chuàng)建了 32 個(gè)特別顯著的變化列表。這些包括血管分支數(shù)量或其直徑等特征。
標(biāo)簽：
免責(zé)聲明：本文由用戶上傳，如有侵權(quán)請(qǐng)聯(lián)系刪除！