Resumen

Objetivo. Explorar la aplicación de la técnica hiperespectral microscópica en la clasificación de los nervios motores y sensitivos. Métodos. Se aplicó el sistema de adquisición hiperespectral microscópica de desarrollo propio para recoger los datos de secciones anteriores y posteriores de la médula espinal de conejos blancos. Se empleó el algoritmo de corrección conjunta para preprocesar los datos recogidos, como la reducción de ruido. Sobre la base del índice de fuente de luz lineal pura, se propuso un nuevo algoritmo de purificación de píxeles basado en el contraste cruzado para extraer más regiones de interés, que se utilizó para la extracción de características de los nervios motores y sensoriales. Además, se empleó el algoritmo ML para clasificar los nervios motores y sensoriales basándose en los resultados de la extracción de características. Resultados. Se adoptó el algoritmo de corrección conjunta para preprocesar los datos recogidos mediante la técnica hiperespectral microscópica, con el fin de eliminar la influencia de la fuente de luz incidente y del sistema y mejorar la precisión de la clasificación. Las curvas del espectro del axón y la mielina de los dos tipos de nervios en las muestras teñidas tenían la misma tendencia, pero los valores de todos los tipos de espectro de los nervios sensoriales eran superiores a los de los nervios motores. Sin embargo, las curvas del espectro de la vaina de mielina de los nervios motores en las muestras no teñidas eran muy diferentes de las curvas de los nervios sensoriales. Las curvas del espectro de los axones presentaban la misma tendencia, pero los valores del espectro de los axones de los nervios sensoriales eran superiores a los de los nervios motores. El algoritmo ML presentaba una gran precisión y rapidez en la clasificación de los nervios motores y sensitivos, y el efecto de clasificación de las muestras teñidas era mejor que el de las muestras no teñidas. Conclusiones. La técnica hiperespectral microscópica presenta una elevada viabilidad en la clasificación de los nervios sensoriales y motores y merece ser investigada y promovida.

• Materias:Insuficiencia cardíaca Plataforma de servicios Filtro de orden óptimo Características clínicas Osteoporosis
• Subjects:Heart failure Platform services Optimal order filtering Clinical features Osteoporosis
• Palabras claves:nervios sensoriales, técnica microscópica hiperespectral, algoritmo de corrección conjunta, clasificación de nervios sensoriales, nervios motores, motor, datos, algoritmo ML, misma tendencia, muestras sin teñir
• Keywords:sensory nerves, microscopic hyperspectral technique, joint correction algorithm, sensory nerve classification, motor nerves, motor, data, ML algorithm, same trend, unstained specimens