智能手机应用结合机器学习算法实现新生儿黄疸无创精准检测

本研究开发了一种基于智能手机摄像头的非侵入性新生儿黄疸检测方法，通过定制化色彩校准卡采集面部和胸部图像，结合多层感知器（MLP）机器学习模型预测血清总胆红素（TsB）水平，准确率达R=0.90，AUC为0.963，为家庭监测提供便捷解决方案。

亮点

本研究创新性地采用专业涂层印刷的标准化色彩校准卡，结合面部和胸部全域皮肤特征提取，克服传统检测中胸骨瘀斑、结膜色素沉积等干扰因素，显著提升新生儿黄疸居家筛查的准确性与实用性。

讨论

我们的多模型对比分析表明，多层感知器（MLP）在预测胆红素水平时展现出卓越性能（R=0.90，RMSE=2.44 mg/dL），其曲线下面积（AUC）达0.963，敏感性和特异性均超过89%。该技术突破现有设备依赖专业医疗场景的限制，通过避免闪光灯使用和排除巩膜区域检测，更符合新生儿长时间睡眠的生理特点。

结论

本研究证实智能手机影像分析结合MLP算法可成为精准、便捷的新生儿黄疸筛查工具。全域皮肤ROI提取策略有效降低局部皮肤病变的干扰，标准化校准卡确保色彩还原稳定性，为家庭监测提供可靠方案，有望在全球范围内促进严重高胆红素血症的早期干预。