利用智能手机摄像头作为高光谱成像仪可筛查颈动脉狭窄

智能手机摄像头的成像功能正在许多领域开辟潜在的即时诊断医疗应用。最近的一个医疗应用案例利用智能手机摄像头作为高光谱成像仪，通过在拍摄内眼睑图像后重建光谱数据来揭示血红蛋白水平。

据麦姆斯咨询报道，近日，国立台湾大学医学院附设医院（NaTIonal Taiwan University Hospital）的一个研究项目利用智能手机拍摄的视频来评估患者的颈部动脉是否变窄——这是缺血性中风的危险信号。该项目研发了一种新颖的非侵入性和非接触式诊断技术——使用基于视频的运动分析（VMA）从皮肤表面的细微脉冲中提取有用信息，以筛查颈动脉狭窄（CAS）。

 

正如《美国心脏协会杂志》（Journal of the American Heart AssociaTIon）报道，这项概念验证研究将运动分析方法应用于患者的智能手机拍摄的视频片段，而发现颈动脉狭窄的常规方法使用多普勒超声数据进行监测，但是成本高昂，不适合即时诊断。

“每年约有2%到5%的中风发生在没有症状的人身上，因此需要更好、更早地发现中风的风险。”项目主要研究人员Hsien-Li Kao说道，“现有的诊断方法需要使用专门的医学成像设备和人员进行筛查。而利用智能手机摄像头记录的视频进行分析是非侵入性的，并且易于执行，因此这种方法可能增加疾病筛查的机会。”

200名患有和未患有颈动脉狭窄的人员参加了这项研究项目的测试，他们的头部运动被限制在一个定制的黑色箱体中，并使用苹果iPhone 6智能手机拍摄了一段30秒的人颈部视频。该箱体还包含对拍摄区域的额外照明。

 

五分钟内实现即时诊断

根据该研究项目的论文介绍，初始视频处理涉及运动放大技术，应用不同空间频带的分解，然后进行时间滤波。

Hsien-Li Kao说：“使用快速傅里叶变换提取和处理每个空间频带中像素强度的变化。通过选择用户指定的运动放大参数，在特定频率范围内放大这些变化。傅里叶变换的主成分分析用于恢复可用于心率估计的血容量脉冲。”

随后进一步的视频处理识别由连续视频帧之间的运动引起的像素强度变化，从而可以评估速度和位移参数。这种被称为主成分分析的方法有助于使通常由视频片段生成的大型数据集更易于管理。

最终产生的结果是代表视频序列的时间振荡波形，以及每位患者的独特脉搏信息。根据该项目论文介绍，视频运动分析算法在已知患有颈动脉狭窄的人群中的检测准确率为87%，具有可接受的灵敏度和特异性。

尽管这项研究的初步测试规模较小，但是可以为中风筛查提供一种有前途的方法，并进一步拓展当前智能手机摄像头在医学成像方面的应用。

“在中风发生之前，颈动脉狭窄是悄无声息的。”Hsien-Li Kao表示，“通过这种方法，临床医生可以利用智能手机录制患者颈部的视频，并上传视频进行分析，在五分钟内即可收到报告。颈动脉狭窄的早期检测可能会降低患者的中风风险。”　　

      审核编辑：彭静