利用热成像相机和人工智能进行糖尿病足诊断中的寒冷应激测试潜力

糖尿病足筛查：基于冷应激测试与AI图像处理的多时间点温度差异分析。研究利用智能手机集成低成本热成像摄像头，通过捕捉足部浸入冷水前（T0）和10分钟后（T10）的温度图像，结合AI对齐算法和温度差异计算，将患者分为低（R0）、中（R1）、高（R2）风险组。结果显示多时间点温度变化联合对侧温差分析，灵敏度达86%，显著优于传统单时点方法，为早期筛查提供高效工具。

阿斯玛·阿费尔哈内（Asma Aferhane）|哈菲德·埃尔法希米（Hafid Elfahimi）|哈桑·杜齐（Hassan Douzi）|拉希德·哈尔巴（Rachid Harba）

IRF-SIC实验室，伊本·佐赫尔大学（Ibn Zohr University），摩洛哥阿加迪尔（Agadir, Morocco）

摘要

本文探讨了冷应激测试在糖尿病足（Diabetic Foot, DF）诊断中的潜在应用。首先在将脚浸入冷水中之前手动拍摄了足部热图像（图像 $T_0$），然后在脚从冷水中取出10分钟后再次拍摄图像（图像 $T_0$$T_{10}$），使用的是集成在智能手机中的低成本热成像相机。通过完全自动化的基于人工智能（AI）的流程计算了两只脚之间的平均绝对点对点温差。AI系统对两只脚进行了分割，并进行了对侧比对（contralateral alignment）和多时相比对（multitemporal alignment）（$T_0$ 和 $T_{10}$）。在多梅奥国家医院（Hospital National Dos de Mayo）招募了145名没有溃疡病史的糖尿病患者。每位参与者都被告知了测试的目的，并接受了双脚的全面检查，随后被分为三个组：低风险组（R0）、中等风险组（R1）和高风险组（R2）。结果显示，多时相温度变化能够有效区分R0组和R1组患者，敏感性达到82%，特异性达到70%（$p<0.01$）。当结合对侧温度变化时，敏感性进一步提高到86%。这些发现强调了多时相分析在区分溃疡发展风险水平方面的价值。该系统由智能手机、专用低成本热成像相机和完全自动化的AI软件组成，作为一种实用且低成本的糖尿病足筛查工具显示出巨大潜力。

引言

糖尿病足（DF）溃疡的早期识别仍然是糖尿病护理中的一个关键挑战，如果未被发现，可能会带来严重的后果。糖尿病控制不佳会严重影响多个器官，如眼睛（导致失明）、肾脏（肾病或肾衰竭）、神经系统（神经病变）和血管（缺血和中风），甚至可能导致下肢截肢（van Netten等人，2020年）。糖尿病足溃疡通常是由于炎症、感染和疼痛引起的。尽管如此，由于神经病变导致的感觉丧失，糖尿病患者可能最初难以感知疼痛（Chan等人，1991年）。然而，评估受影响脚部的温度有助于识别炎症。Armstrong等人（2007年）和Bagavathiappan等人（2010年）的研究表明，温度升高与糖尿病足并发症之间存在显著相关性。因此，使用热成像相机进行温度评估对于预测足部溃疡具有价值。温度升高可以在足部溃疡发生前一周就被检测到。常用的方法是比较左右脚对应像素之间的温度差，表示为 $|\Delta$（Hernandez-Contreras等人，2016年），或者使用特定协议比较两个不同时间点的温度（Adam等人，2017年）。

冷应激测试是一种广泛使用的方法，通过在将脚浸入冷水中前后拍摄热图像来评估恢复情况。这种方法提供了关于足部温度调节和恢复的宝贵信息。Youakim（2010年）使用冷刺激结合红外热成像技术来诊断手-臂振动综合征（HAVS）患者。类似地，Soliz等人（2012年）分析了健康个体和糖尿病患者采用相同协议后的恢复程度。此外，Bharara等人（2008年）使用接触式热成像系统证明了冷应激测试在评估糖尿病神经病变患者足底温度方面的有效性。

热成像是一种非侵入性和无接触的技术，用于检测人体皮肤温度。这种技术可以避免任何可能影响温度分布可视化的不良压力。此外，它可以快速且客观地进行检查和解释，以评估愈合进展和伤口严重程度（Hernández-Contreras等人，2017年；Ring和Ammer，2000年）。基于这些原因，我们选择了这种技术作为本研究的主要方法。图1展示了在实际条件下使用Android智能手机和热成像相机进行足底成像的实用系统。

本研究采用了基于AI的图像处理技术和低成本热成像技术。具体来说，使用安装在智能手机上的热成像相机在将脚浸入冷水中前后拍摄了高分辨率的热图像（Aferhane等人，2024年）。

为了确保图像对齐的准确性，我们实现了一个基于深度学习的仿射卷积网络（Affine ConvNet）模型（Aferhane等人，2024年；Tang、Li等人，2020年），该模型可以对左右脚进行对侧比对（contralateral alignment）和多时相比对（$T_0$ 和 $T_{10}$）。虽然存在传统的和基于优化的注册方法（El Machouti、Hlyal、Babay等人，2024年；El Machouti、Hlyal、El Alami，2024年；hicotay和Netanyahu，2017年），但仿射卷积网络模型被证明是有效的，并且适合集成到移动应用程序中。该模型估计了足底热图像的变换矩阵，考虑了旋转、剪切和缩放等参数（Chen等人，2021年），以实现精确的对齐，从而进行准确的温度分析。

虽然之前已有研究探索热成像作为预测糖尿病足溃疡的工具（Armstrong等人，2007年），但本研究通过使用机器学习分类器来评估多时相温度变化区分不同风险组的能力，提供了新的贡献。基于深度学习的图像对齐和分割确保了温度映射的准确性和可靠性，并能够准确提取多时相和对侧温差。与单时相方法不同，冷应激测试可以在时间上分析温度变化，从而在溃疡发展之前更好地区分风险类别。此外，将机器学习分类器与多时相和对侧温度信息相结合，可以实现更早和更客观的风险分层。

本研究旨在通过检查冷应激测试前后双脚的平均温度差异来区分糖尿病足风险组。使用低成本、基于AI的热成像系统提高了图像分析的准确性和一致性。根据临床足部评估，参与者被分为三个风险等级：低风险组（R0）、中等风险组（R1）和高风险组（R2）。分析重点关注冷应激协议引起的温度分布变化，并评估了多时相温度差异在将糖尿病患者分类为不同风险类别方面的潜力。同时采用了统计方法和机器学习分类器来评估多时相温度变化区分风险组的能力。结果支持开发易于使用的智能工具，以实现早期风险检测和改善糖尿病足护理。

部分摘录

背景和动机

冷应激测试在临床研究中广泛用于评估血管功能和体温调节（Adam等人，2017年）。这种方法基于这样一个原理：在受控温度降低后的温度恢复情况可以提供关于血流和皮肤灌注的宝贵信息。在糖尿病足的研究中，这种方法特别有用，因为糖尿病患者通常由于神经病变而导致血液循环受损和温度恢复缓慢

试验人群

排除了有溃疡的患者和部分或完全截肢的患者（Vilcahuaman等人，2025年）后，参与者的数量可能会有所减少。在秘鲁的多梅奥医院（Dos De Mayo Hospital），有128名被诊断为2型糖尿病的参与者积极参与了数据收集。他们被分为三个风险组（Vilcahuaman等人，2025年）：

• •
  R0（低风险）：无缺血和神经病变。
• •
  R1（中等风险）：无缺血，存在

结论

本研究展示了使用冷应激测试作为分析糖尿病患者在应用前后热数据的有效协议的潜力。通过使用基于AI的图像处理和低成本热成像技术，热图像得到了完全对齐，以确保准确的分析。这种方法可以确定双脚的对侧和多时相温度图，包括 $\Delta TM$。统计结果

CRediT作者贡献声明

阿斯玛·阿费尔哈内（Asma Aferhane）：撰写——原始草稿、软件开发、方法论设计、数据管理。 哈菲德·埃尔法希米（Hafid Elfahimi）：撰写——原始草稿。 哈桑·杜齐（Hassan Douzi）：撰写——审稿与编辑、可视化处理、验证、项目监督、正式分析。 拉希德·哈尔巴（Rachid Harba）：撰写——审稿与编辑、可视化处理、验证、项目监督、方法论设计、资金获取、正式分析、概念构思。

未引用的参考文献

Chantasartrassamee等人（2024年），Elgendi等人（2021年），Rosell-Diago等人（2024年）

利益冲突声明

作者声明以下可能被视为潜在利益冲突的财务利益/个人关系：本研究得到了欧盟“地平线2020”研究与创新计划（Horizon 2020 Research and Innovation Program）的支持，具体项目为玛丽·居里行动（Marie Sklodowska-Curie Actions）（授权协议编号#777661）。如果还有其他作者，他们声明没有已知的财务利益或个人关系可能影响本研究报告的工作。

致谢

本研究得到了欧盟“地平线2020”研究与创新计划（Horizon 2020 Research and Innovation Program）在玛丽·居里行动（Marie Sklodowska-Curie Actions）下的支持（授权协议编号： ），旨在开发用于预防和监测糖尿病足溃疡的智能手机应用程序。此外，该项目已获得多梅奥国家医院（Hospital National Dos De Mayo）生物医学研究伦理委员会的伦理批准（批准编号：075-2021-CEIB-HNDM），批准日期为2019年10月1日。