一項在傷口感染細菌快速檢測領域取得顯著進展的科研成果正式發表。該研究由重慶郵電大學、陸軍軍醫大學大坪醫院等機構合作完成，通過結合熒光高光譜成像技術與深度學習算法，實現了對多種常見傷口致病菌的非侵入、快速分類識別。研究團隊在數據采集環節使用了彩譜科技的FigSpec FS-22高光譜成像相機，為實驗提供了關鍵的光譜圖像數據支持，展現了該設備在精密生物光學檢測中的應用潛力。

傷口細菌感染的及時診斷對于臨床治療具有重要意義，然而傳統的細菌培養、PCR等方法往往耗時較長，且需要侵入性取樣。因此，發展一種能夠快速、無創識別細菌的技術成為迫切需求。高光譜成像技術能夠同時獲取目標的空間信息與連續的光譜信息，而熒光高光譜成像更進一步，通過特定波長的激發光誘導樣品自身發出熒光，從而增強對微生物內部化學物質差異的探測能力。這項研究正是利用這一原理，對八種常見傷口感染細菌進行了系統的光譜特征采集與分析。

實驗中，彩譜科技FigSpec FS-22高光譜相機發揮了重要作用。該系統具備400-1000nm的光譜探測范圍與1920×1920的高空間分辨率，能夠精細地捕捉細菌在405nm激光激發下產生的自體熒光信號。研究團隊構建了涵蓋不同菌種、不同濃度及不同生長時間的龐大熒光高光譜數據集，共計25600個樣本。面對高光譜數據維度高、信息量大且細菌間光譜差異細微的挑戰，研究人員自主設計了一套名為“空間-光譜多尺度注意力網絡”的深度學習模型。該模型能有效聚焦細菌菌落區域，抑制培養基底板等背景干擾，并從光譜維度深入提取鑒別性特征，從而實現對細菌種類、生長狀態乃至濃度的協同判別。

研究結果顯示，該方法在不同生長條件下的細菌分類準確率達到98.52%，在物種水平鑒定上的準確率為98.71%，并且對低至10⁴CFU/ mL的細菌濃度仍能保持有效檢測。與研究中對比的多種現有算法模型相比，這一基于彩譜科技高光譜數據所訓練的網絡展現出可靠的性能。這些成果驗證了熒光高光譜成像結合先進算法在微生物快速檢測領域的可行性，為未來開發可用于臨床環境的即時診斷設備提供了重要的技術參考。

盡管該研究目前是在受控的實驗室條件下完成，使用純化菌株進行，但其技術路徑清晰展示了高光譜成像在生物醫學檢測中的價值。彩譜科技的FigSpec FS-22高光譜相機以其穩定的成像性能和豐富的光譜信息捕獲能力，為此類前沿探索提供了堅實的硬件基礎。展望未來，隨著算法的進一步優化與臨床適配性研究的深入，這種融合了先進成像與智能分析的技術方案，有望向著真正實現傷口感染實時、無創、精準診斷的目標邁進，為臨床感染防控提供新的工具選擇。

（論文原文可搜索https://doi.org/10.1002/jbio.202500164進行閱讀）

產品推薦

FigSpec FS-22成像高光譜相機

產品特點

可見光/近紅外：

l 光譜范圍：400-1000nm，波長分辨率優于2.5nm，可達1200個光譜通道

l 圖像分辨率可達2048*2048

短波近紅外：

l 光譜范圍：900-1700nm，波長分辨率優于6nm，可達1024個光譜通道

l 圖像分辨率可達1280*1280