诺丁汉大学和阿斯利康研究与开发查恩伍德加速抗炎药物的临床研究

在今天的大多数医院里，氧饱和度是用脉搏血氧计来测量的，这种设备夹在指尖上，通过手指的血管传递光。然而，这种方法对于先进的医疗应用来说还不够准确，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希望，同时允许在身体的任何位置进行测量。然而，临床医生缺乏将图像数据转换为氧饱和度图的工具。

诺丁汉大学高级研究员保罗·罗默尔说:“我们想在表面上照射一束光，从反射回来的信息中测量组织的氧含量。”“这相当困难，因为组织会散射光。”

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地图的算法，并构建图形用户界面(GUI)以方便临床研究人员的工作。

罗默尔使用MATLAB来处理代表高光谱图像的三维数据数组。

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除法。

然后，他使用MATLAB开发了一种正在申请专利的算法，用于从原始反射数据计算氧饱和度地图。

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。“图像采集工具箱比以前的方法快三倍，”罗德梅尔指出。“图像采集工具箱还使我们能够完全控制相机硬件，因此我们将通过只获取我们需要的区域和光谱来获得更大的收益。”

在Rodmell开发了一种从高光谱图像生成氧饱和度图的可靠方法后，他使用MATLAB开发了使临床研究人员能够轻松应用该技术的工具。使用MATLAB开发工具和图像处理工具箱，rodell创建了一个工具，使生物学家能够在图像中选择一个区域，并获得该区域的氧饱和度指标。

诺丁汉大学使用图像处理工具箱使用户能够图形化地选择感兴趣的区域，并自动识别该区域内高于特定阈值的像素。

“阿斯利康开始使用这个工具后，他们让我添加一个直方图。我很快就在工具中添加了一个，并在大约一个小时内将其发送回来。”罗德梅尔解释道。

阿斯利康的研究人员通过测量对草花粉或室内尘螨过敏反应的志愿者手臂的氧饱和度，来评估抗炎药物的有效性。

诺丁汉大学继续使用MathWorks工具加速和自动化图像分析过程。

“诺丁汉大学现在正在使用MATLAB将图像采集与图像分析集成起来，”哈格里夫斯说。“这将使我们的临床医生能够进行实时分析，并在捕获时查看氧饱和度图，而不是等待采集后的处理。”