화상 부상을 평가하기 위한 비침습적 방법을 시연합니다.

[아름이]

화상 부상을 평가하기 위한 비침습적 방법을 시연합니다.
테라헤르츠 분광학 데이터를 기반으로 한 신경망은 93% 정확도로 화상 치유를 예측합니다.
날짜:
2023년 1월 30일
원천:
옵티카
요약:
연구원들은 93%의 정확도로 화상 치료를 예측할 수 있는 테라헤르츠 분광법을 기반으로 하는 신경망과 휴대용 스캐너를 결합합니다. 이 연구는 외과적 치료 계획을 안내함으로써 화상 치유 결과를 크게 개선할 수 있는 잠재력을 가지고 있습니다.

연구자들은 비침습적 화상 평가를 위해 테라헤르츠 시간 영역 분광법(THz-TDS) 데이터를 사용하는 신경망 모델을 개발했습니다. 그들은 화상 부상의 빠른 THz-TDS 이미징을 위해 특별히 개발한 휴대용 이미징 장치와 새로운 접근 방식을 결합했습니다.

Stony Brook University의 연구팀장 M. Hassan Arbab은 "의료 전문가가 화상의 깊이를 정확하게 평가하여 가장 적절한 치료를 제공하는 것이 중요합니다."라고 말했습니다. "그러나 시각적 및 촉각적 검사에 의존하는 현재의 화상 깊이 평가 방법은 정확도가 약 60-75%로 신뢰할 수 없는 것으로 나타났습니다. 우리의 새로운 접근 방식은 잠재적으로 화상 심각도 평가의 정확도를 향상시키고 치료 계획."

THz-TDS는 테라헤르츠 방사선의 짧은 펄스를 사용하여 샘플을 조사합니다. 화상으로 인한 물리적 변화가 피부의 테라헤르츠 반사율에 변화를 일으키기 때문에 화상 손상을 평가하기 위해 검토되고 있습니다.

Optica Publishing Group 저널 Biomedical Optics Express 에서 연구원들은 인공 신경망 분류 알고리즘이 동물 연구에서 93% 정확도로 생체 내 화상의 궁극적인 치유 결과를 정확하게 예측할 수 있음을 보여주는 결과를 보고합니다. 연구원들이 사용하는 이전 기계 학습 접근 방식과 비교하여 새로운 방법은 필요한 훈련 데이터의 양을 최소 2배 이상 줄입니다. 이것은 대규모 임상 시험에서 얻은 빅 데이터 세트를 처리하는 것을 보다 실용적으로 만들 수 있습니다.

"2018년에는 미국에서만 약 416,000명의 환자가 응급실에서 화상 치료를 받았습니다."라고 Arbab은 말했습니다. "우리 연구는 수술 치료 계획을 안내함으로써 화상 치유 결과를 크게 개선할 수 있는 잠재력을 가지고 있으며, 이는 병원 입원 기간과 피부 이식을 위한 수술 절차 수를 줄이는 동시에 부상 후 재활을 개선하는 데 큰 영향을 미칠 수 있습니다."

더 나은 화상 평가

화상 평가를 개선하기 위해 다양한 기술이 개발되었지만 긴 획득 시간, 높은 비용, 제한된 침투 깊이 및 시야와 같은 단점으로 인해 클리닉에서 널리 채택되지 않았습니다. THz-TDS가 화상 평가에 유망해 보이지만 초기 시연은 화상 이질성과 공간적 변화를 설명하지 않는 점 분광학 측정으로 제한되었습니다. THz 분광기 설정은 또한 부피가 크고 비용이 많이 드는 경향이 있으며 번거로운 광학 정렬이 필요하므로 실제 환경에서 임상적으로 사용하기에는 비실용적입니다.

"이러한 문제를 해결하기 위해 우리는 THz-TDS를 사용하여 생체 내 화상 부상의 빠른 하이퍼스펙트럼 이미징을 위한 사용자 친화적인 장치인 PHASR(휴대용 핸드헬드 스펙트럼 반사) 스캐너를 개발했습니다."라고 Arbab은 말했습니다. "이 핸드헬드 장치는 단 몇 초 만에 37 x 27mm 2 시야의 빠른 이미징을 위해 텔레센트릭 이미징 구성에서 중심 파장이 1560nm인 이중 섬유 펨토초 레이저와 테라헤르츠 광전도 안테나를 사용합니다."

이전에 연구자들은 수치적 방법을 사용하여 THz-TDS 이미지에서 특징을 추출하고 기계 학습 기술을 사용하여 PHASR 스캐너의 측정을 사용하여 생체 내 화상 부상의 심각도 등급을 추정했습니다. 그러나 이 접근법은 화상 피부 조직의 유전율의 물리적 역학 및 거시적 변화를 고려하지 않았습니다. 유전율은 재료가 전기장에 어떻게 반응하는지 설명합니다.

테라헤르츠 주파수에서 피부 화상의 복잡한 유전체 기능을 변화시키는 메커니즘을 조사하기 위해 연구원들은 다양한 유형의 생물학적 조직과 THz 방사선의 상호 작용을 설명하는 데 성공적으로 사용된 이중 Debye 이론으로 전환했습니다.

중증도 및 치유 예측

Arbab은 "우리는 이중 Debye 모델을 화상의 유전율에 맞춰서 얻은 5개의 매개변수를 활용하여 신경망 모델을 개발했습니다."라고 말했습니다. "이 물리학 기반 접근 방식은 광대역 THz 펄스에서 생의학 진단 마커를 추출하여 인공 지능 모델 교육을 위한 THz 데이터의 차원을 줄이고 기계 학습 알고리즘의 효율성을 향상시킵니다."

연구원들은 피부 화상의 분광 이미지를 얻고 화상의 유전율을 측정하기 위해 PHASR 스캐너를 사용하여 그들의 방법을 테스트했습니다. Debye 매개변수를 결정한 후 연구원들은 이 데이터를 사용하여 레이블이 지정된 생검을 기반으로 신경망 모델을 만들었습니다. 모델은 평균 84.5%의 정확도로 화상의 심각도를 추정하고 93%의 정확도로 상처 치유 과정의 결과를 예측했습니다.

연구자들은 이 기술이 임상 화상 평가의 기존 작업 흐름에 통합되기 전에 기술과 휴대용 이미징 장치 모두에 대한 임상 테스트가 필요하다고 지적합니다.

이 연구에서 보고된 연구는 수여 번호 R01GM112693에 따라 국립 보건원 산하 국립 일반 의학 연구소의 지원을 받았습니다.

출처 : https://www.sciencedaily.com/