诺丁汉大学和阿斯利康研究和开发CHARNWORD加速抗炎药物的临床研究

如今，在大多数医院里，血氧饱和度都是用脉搏血氧计来测量的。脉搏血氧计是一种夹在指尖上的装置，它能让光线穿过手指的血管。然而，这种方法对先进的医疗应用来说不够精确，不能用于胸部或手臂等部位。

高光谱成像在提高氧饱和度测量的准确性方面有很大的前景，同时允许在身体的任何点进行测量。然而，临床医生缺乏将图像数据转换成氧饱和度图的工具。

诺丁汉大学的高级研究员Paul Rodmell说：“我们想把光照到表面上，从被反射回来的信息中测量组织中的氧含量。”“这相当困难，因为组织会散射光线。”

为了应对这一挑战，Rodmell需要一个用于图像处理和算法开发的分析环境。

诺丁汉大学使用MathWorks工具来获取和处理高光谱图像，开发用于生成氧饱和度图的算法，并构建图形用户界面(GUI)来促进临床研究人员的工作。

Rodmell使用MATLAB来处理表示高光谱图像的三维数据阵列。

为了创建图像的归一化反射图，Rodmell获得了纯白色表面的高光谱图像，并使用MATLAB对两组数据进行了三维矩阵分割。

然后，他使用MATLAB开发了正在申请专利的算法，用于根据原始反射数据计算血氧饱和度图。

利用图像采集工具箱，诺丁汉大学缩短了捕获高光谱图像的时间。“图像采集工具箱的速度大约是以前方法的三倍，”Rodmell指出。“图像采集工具箱也让我们完全控制相机硬件，所以我们将看到更大的收益，只获取我们需要的区域和光谱。”

在罗德梅尔开发出一种从高光谱图像生成血氧饱和度图的可靠方法后，他使用MATLAB开发工具，使临床研究人员能够轻松应用该技术。Rodmell使用MATLAB开发工具和图像处理工具箱创建了一个工具，使研究生物学家能够在图像中选择一个区域，并获得该区域的血氧饱和度指标。

诺丁汉大学使用图像处理工具箱，使用户能够图形地选择感兴趣区域并自动识别高于特定阈值的区域内的像素。

“阿斯利康开始使用这个工具后，他们让我添加一个直方图。我很快在工具中添加了一个，大约一个小时后就发送回去了。”

阿斯利康的研究人员使用该工具评估抗炎药物的有效性，方法是测量对草花粉或屋尘螨过敏的志愿者手臂的氧饱和度。

诺丁汉大学继续使用MathWorks工具加速和自动化图像分析过程。

哈格里夫斯说：“诺丁汉大学现在利用MATLAB整合图像采集和图像分析。”“这将使我们的临床医生能够进行动态分析，并在采集时查看血氧饱和度图，而不是等待采集后处理。”