傷口細菌感染是影響愈合過程的關(guān)鍵因素之一，嚴重時甚至可能發(fā)展為膿毒癥，危及患者生命。因此，如何快速、準確地檢測傷口細菌，并及時采取干預(yù)措施，一直是醫(yī)療領(lǐng)域關(guān)注的重點。一項發(fā)表于《IEEE Sensors Journal》的研究提出了一種基于高光譜成像技術(shù)的新型檢測方法，該研究采用彩譜科技FigSpec FS13高光譜相機作為核心成像設(shè)備，為傷口細菌的高效、無創(chuàng)檢測提供了可靠的技術(shù)路徑與可行解決方案。

高光譜成像：一種非接觸式檢測技術(shù)

高光譜成像融合了光譜技術(shù)和圖像技術(shù)，能夠在獲取樣本空間信息的同時，采集其在不同波段的光譜信息。這種技術(shù)具有非接觸、無損傷的特點，已在食品安全、農(nóng)產(chǎn)品質(zhì)量檢測、水質(zhì)監(jiān)測等領(lǐng)域得到應(yīng)用。

在細菌檢測方面，傳統(tǒng)方法如色譜法、聚合酶鏈式反應(yīng)技術(shù)、基因芯片技術(shù)等雖然準確，但往往需要復(fù)雜的樣品前處理、生物試劑以及較長的培養(yǎng)時間。高光譜成像技術(shù)的引入，為實現(xiàn)快速、無損的細菌檢測提供了新的技術(shù)路徑。

CBIA-Net：細菌光譜數(shù)據(jù)的深度學習網(wǎng)絡(luò)

該研究團隊構(gòu)建了一個名為“CBIA-Net”的雙分支神經(jīng)網(wǎng)絡(luò)，用于處理高光譜數(shù)據(jù)中的細菌光譜信息。這一網(wǎng)絡(luò)結(jié)構(gòu)包含三個主要組成部分：

1. BiGTrans分支：結(jié)合了雙向門控循環(huán)單元和Transformer結(jié)構(gòu)，用于捕捉光譜序列中的順序信息和長距離依賴關(guān)系，獲取全局特征。

2. CNN1D分支：通過一維卷積模塊提取光譜序列中的局部特征，利用不同尺寸的卷積核逐步擴大感受野，捕捉光譜的短時波動變化。

3. 跨分支加權(quán)融合模塊：則對上述兩個分支提取的全局特征和局部特征進行交互融合，通過通道加權(quán)的方式增強特征的表征能力。

這一設(shè)計使得網(wǎng)絡(luò)能夠同時關(guān)注光譜數(shù)據(jù)中的全局信息和局部細節(jié)，提升分類的準確性。

數(shù)據(jù)集構(gòu)建與實驗驗證

為驗證方法的有效性，研究團隊制備了七種典型傷口感染細菌的樣本，包括表皮葡萄球菌、大腸桿菌、腐生葡萄球菌、肺炎克雷伯菌、金黃色葡萄球菌、銅綠假單胞菌和普通變形桿菌。每種細菌均設(shè)置了四個不同濃度（105、107、10⁹、10¹⁰CFU/mL），共獲得28個樣本。

研究使用可見光-近紅外高光譜成像系統(tǒng)采集這些樣本的圖像，通過感興趣區(qū)域提取和滑動窗口切割，最終構(gòu)建了包含44923條光譜序列的高光譜傷口典型細菌數(shù)據(jù)集。

實驗結(jié)果表明，該方法在精確率、召回率、準確率和F1分數(shù)四項評估指標上均達到97.03%的水平，與其他傳統(tǒng)機器學習算法和深度學習算法相比具有一定優(yōu)勢。

應(yīng)用前景與意義

這項研究展示了高光譜成像技術(shù)結(jié)合深度學習算法在細菌檢測領(lǐng)域的應(yīng)用潛力。該方法無需復(fù)雜的樣品前處理和生物試劑，有望實現(xiàn)對傷口細菌的快速、無創(chuàng)檢測，為臨床傷口管理提供輔助決策支持。

對于高光譜成像技術(shù)而言，這類應(yīng)用拓展了其在生物醫(yī)學領(lǐng)域的使用場景。隨著相關(guān)研究的深入和技術(shù)的成熟，高光譜相機在醫(yī)療檢測、食品微生物安全監(jiān)測等領(lǐng)域或?qū)l(fā)揮更廣泛的作用。

（論文原文可通過ieeexplore.ieee.org搜索《CBIA-Net for Rapid Detection of Typical Wound Bacteria Using Hyperspectral Imaging》進行閱讀）

產(chǎn)品推薦

FigSpec FS-13高光譜相機（線掃描）

l 光譜范圍：400-1000nm

l 光譜分辨率：2.5nm

l 光譜波段：1200

l 空間像素數(shù)：1920