伤口细菌感染是影响愈合过程的关键因素之一，严重时甚至可能发展为脓毒症，危及患者生命。因此，如何快速、准确地检测伤口细菌，并及时采取干预措施，一直是医疗领域关注的重点。一项发表于《IEEE Sensors Journal》的研究提出了一种基于高光谱成像技术的新型检测方法，该研究采用彩谱科技FigSpec FS 13高光谱相机作为核心成像设备，为伤口细菌的高效、无创检测提供了可靠的技术路径与可行解决方案。
高光谱成像融合了光谱技术和图像技术，能够在获取样本空间信息的同时，采集其在不同波段的光谱信息。这种技术具有非接触、无损伤的特点，已在食品安全、农产品质量检测、水质监测等领域得到应用。
在细菌检测方面，传统方法如色谱法、聚合酶链式反应技术、基因芯片技术等虽然准确，但往往需要复杂的样品前处理、生物试剂以及较长的培养时间。高光谱成像技术的引入，为实现快速、无损的细菌检测提供了新的技术路径。
该研究团队构建了一个名为“CBIA-Net”的双分支神经网络，用于处理高光谱数据中的细菌光谱信息。这一网络结构包含三个主要组成部分：
1. BiGTrans分支：结合了双向门控循环单元和Transformer结构，用于捕捉光谱序列中的顺序信息和长距离依赖关系，获取全局特征。
2. CNN1D分支：通过一维卷积模块提取光谱序列中的局部特征，利用不同尺寸的卷积核逐步扩大感受野，捕捉光谱的短时波动变化。
3. 跨分支加权融合模块：则对上述两个分支提取的全局特征和局部特征进行交互融合，通过通道加权的方式增强特征的表征能力。
这一设计使得网络能够同时关注光谱数据中的全局信息和局部细节，提升分类的准确性。
为验证方法的有效性，研究团队制备了七种典型伤口感染细菌的样本，包括表皮葡萄球菌、大肠杆菌、腐生葡萄球菌、肺炎克雷伯菌、金黄色葡萄球菌、铜绿假单胞菌和普通变形杆菌。每种细菌均设置了四个不同浓度（105、107、109、1010CFU/mL），共获得28个样本。
研究使用可见光-近红外高光谱成像系统采集这些样本的图像，通过感兴趣区域提取和滑动窗口切割，最终构建了包含44923条光谱序列的高光谱伤口典型细菌数据集。
实验结果表明，该方法在精确率、召回率、准确率和F1分数四项评估指标上均达到97.03%的水平，与其他传统机器学习算法和深度学习算法相比具有一定优势。
这项研究展示了高光谱成像技术结合深度学习算法在细菌检测领域的应用潜力。该方法无需复杂的样品前处理和生物试剂，有望实现对伤口细菌的快速、无创检测，为临床伤口管理提供辅助决策支持。
对于高光谱成像技术而言，这类应用拓展了其在生物医学领域的使用场景。随着相关研究的深入和技术的成熟，高光谱相机在医疗检测、食品微生物安全监测等领域或将发挥更广泛的作用。
（论文原文可通过ieeexplore.ieee.org搜索《CBIA-Net for Rapid Detection of Typical Wound Bacteria Using Hyperspectral Imaging》进行阅读）
产品推荐
FigSpec FS-13高光谱相机（线扫描）
l 光谱范围：400-1000nm
l 光谱分辨率：2.5nm
l 光谱波段：1200
l 空间像素数：1920
销售直拨：13858065387
固定电话：13858065387
地址：浙江省杭州市钱塘新区文渊北路166号6F南.png)
电话：13858065387（资深专家24h在线）.png)
邮箱：yuankun@colorspec.cn