AI-Enhanced High-Density NIRS Patch for Real-Time Brain Layer Oxygenation Monitoring in Neurological Emergencies
Minsu Ji, Jihoon Kang, Seongkwon Yu, Jaemyoung Kim, Bumjun Koh, Jimin Lee, Guil Jeong, Jongkwan choi, Chang-Ho Yun, and Hyeonmin Bae
光子散射传统上限制了近红外光谱(NIRS)从大脑中提取准确,特定层的信息的能力。 这种限制限制了其用于精确神经监测的临床效用。 为了解决这个问题,我们引入了一个人工智能驱动的高密度NIRS系统,该系统经过优化,可以提供来自大脑皮层的实时,特定于层的氧合数据,专门针对急性神经紧急情况。 我们的系统将高密度NIRS反射数据与基于MRI的合成数据集训练的神经网络集成。 这种方法在各种解剖学变化中实现了强大的皮质氧合精度。 在模拟中,我们的AI辅助NIRS显示出与实际皮质氧合的强相关性(R2=0.913),明显优于常规方法(R2=0.469)。 此外,仿生幻象形实验证实其卓越的解剖学可靠性(R2=0.986)与标准商用设备(R2=0.823)相比。 在健康受试者和缺血性中风患者的临床验证中,该系统区分了两组AUC为0.943。 这凸显了其作为紧急情况和护理点设置的可访问的高精度诊断工具的潜力。 这些结果强调了系统通过人工智能提高神经监测精度的能力,从而在关键护理环境中实现及时的数据驱动决策。
Photon scattering has traditionally limited the ability of near-infrared spectroscopy (NIRS) to extract accurate, layer-specific information from the brain. This limitation restricts its clinical utility for precise neurological monitoring. To address this, we introduce an AI-driven, high-density NIRS system optimized to provide real-time, layer-specific oxygenation data from the brain cortex, specifically targeting acute neuro-emergencies. Our system integrates high-density NIRS reflectance dat...
