机构名称：
¥ 1.0
新生儿缺氧缺血性 (HI) 脑损伤的光学生物标志物可以提供持续的、床边损伤程度评估的优势；迄今为止的研究主要集中于检查不同的光学测量脑生理信号和特征组合以实现此目的。为了最大限度地扩大所考虑的生理特征范围，已经开发出一个多模光学平台，从而可以对脑损伤获得独特的生理见解。在本文中，我们使用一种最先进的混合宽带近红外光谱仪 (bNIRS) 和扩散相关光谱仪 (DCS) 仪器 FLORENCE 和机器学习管道来评估损伤严重程度。我们在临床前新生儿模型（新生猪）中证明，我们的方法可以识别不同的 HI 损伤严重程度（对照、轻度、重度）。我们表明，基于 K 均值聚类的机器学习流程可用于区分对照组和 HI 仔猪，准确率为 78%，区分轻度损伤仔猪和重度损伤仔猪，准确率为 90%，还可区分 3 个仔猪组，准确率为 80%。因此，该分析流程展示了如何将来自多种仪器的光学数据处理为脑健康指标。
SPIE 会议纪要
主要关键词
相关文件推荐
