俄罗斯的研究人员开发了一种医学成像系统的原型，该系统使用神经网络分析静脉的近红外图像，并将静脉模式投射到患者的身体上。

根据莫斯科Skoltech的研究人员所写的一篇论文，该系统可以帮助抽血变得更容易，沐鸣测速地址对于那些静脉注射困难的患者来说，也不会那么麻烦。

在论文中,研究人员指出,全球大约2000万个血液测试执行的每一天,近45%估计涉及到一些不适的病人静脉更难访问因为疾病如糖尿病,特别是年轻的时候,或者只是身体的个人特征。在这些情况下，当静脉难以辨别和摸不着时，即使有经验的医疗专业人员也不得不求助技术辅助，或冒多次或不准确穿刺的风险，这甚至可能造成健康后果，特别是对老年人。

解决这个,德米特里•Dylov副教授计算和数据密集型科学与工程中心Skoltech——和他的同事们组装一个智能静脉近红外扫描仪,可以确定静脉轮廓在胳膊或腿上,而准确,自动,独立(没有任何来自用户的输入)。他们通过使用人工神经网络和强化学习来更好地分析图像，并将它们作为视觉辅助投射到患者的身体上，调整形状和位置。

他解释说:“红外静脉扫描仪在临床实践中已经变得很普遍。然而,这是第一个做的一切完全由现代人工智能的美德:一个神经网络清理和处理红外信号,第二个检测轮廓的静脉,连续第三个“担忧”对齐确保轮廓投影到病人的手臂与实际静脉重叠。

“值得注意的是,所有我们要做的就是告诉系统什么是好的,什么是坏在训练阶段,和神经网络学习本身,自动寻找最佳设置为新病人,环境,甚至扭曲,即使系统从未遇到他们。”

Vito Leli是Skoltech的博士生，也是发表论文的主要作者，他指出，沐鸣测试速即使是在静脉对比度更好的红外范围内，也有很多因素阻碍静脉的检测。“因此，该仪器面临的主要挑战是算法和图像处理。我们想要解释患者间血管系统对比的高可变性(例如，由于肤色和厚度等)。我们最终的算法还能够在低信噪比(SNR)的情况下进行血管系统检测，这在一组患者身上得到了验证。”

该团队组装了一个原型设备，并在志愿者身上进行了实验测试，表明它能够检测近红外光谱中的静脉模式，然后将其作为图像投影到人们的手臂上。

该论文的合著者亚历山大·萨拉查科夫说:“前臂通常是用于血液测试的身体部位，所以我们很自然地决定开发一种系统来解决这个特定区域的静脉可视化问题。”没有什么能阻止我们使用它来成像其他临床应用需要的血管系统，例如，帮助安装导管。Sarachakov补充说，这个小工具非常紧凑，也非常灵活。“作为研究的第一步，我们从Skoltech的志愿者那里收集和NIR前臂的图像来训练我们的设备，拍摄前臂照片比脸部照片更隐私友好。”

至于血液测试是如何进行的，病人将他们的手臂放在这个设备下，这个设备会立即搜索静脉(不到一秒)并将它们投射到前臂上。Sarachakov解释说:“如果病人移动前臂，尽管我们不建议在涉及针头的血液测试中这样做，但系统会立即开始调整程序。”

“这款被提议的成像仪可用于诊所的其他身体部位(例如面部和腿部血管)，也可用于兽医护理，以辅助动物复杂的静脉穿刺。我们强调，我们渴望构建一种廉价的硬件配置，与市场上现有的产品相反。我们的网络也很轻，很灵活，可以将它们嵌入到现有的现成控制器中。”

“我们目前正致力于自动选择去噪和分割模型的最佳组合，使图像更清晰，从而获得更好的静脉识别，”研究科学家和论文合著者Oleg Rogov说。“我们问自己的问题是，我们可以在多低的信噪比下工作，这样我们既可以检查算法的一些基本限制，也可以处理一些廉价的硬件组件。”

Rogov补充说，该团队即将开始测试第二代硬件原型，这将使他们离产品发布更近一步。他总结道:“在基础科学和即时工程实现之间的边界上工作是令人着迷的。”