阿肯色大学生物医学工程教授Kyle Quinn从国立卫生研究院获得了四年160万美元的资助，以开发非侵入性实时的“慢性皮肤伤口的光学活组织检查”。
其目标是提供数字组织病理学图像和其他定量信息，而无需进行侵入性活检、组织处理和组织染色。
慢性皮肤创伤的初步临床评估包括目视检查，但更详细的特征描述取决于伤口组织活检的组织学分析。虽然这种方法在临床和研究实验室有助于理解伤口病理生理学和开发治疗慢性皮肤伤口的新产品，但它本身具有侵入性、耗时性和定性。
几年来，奎因一直致力于一种替代的定量成像系统，以解决传统组织学分析的一些局限性。他的实验室的研究人员使用多光子显微镜在细胞水平上观察组织的三维结构，并生成伤口代谢的三维图谱。这种成像技术是非侵入性的，它允许他们测量同一伤口内细胞代谢和皮肤组织随时间的变化。
虽然他们的代谢成像技术可以提供细胞功能的高度详细的评估，但是分析他们的图像数据需要时间。研究人员必须手动将相关图像区域映射到特定的皮肤层或伤口区域，这是一个缓慢而乏味的过程。为了加快速度，奎因与计算机科学和计算机工程教授贾斯汀·詹（Justin Zhan）合作。詹，一位数据科学专家，正在帮助奎因将多光子显微镜和“深度学习”结合起来，这是一种基于人工智能的分析方法。
深度学习方法将使奎因能够提供慢性皮肤创伤的快速定量分析。
奎因在一份新闻稿中说：“通过深入学习，我们可以训练一种计算机算法，精确而快速地描绘伤口区域。”。“这将大大加快我们的分析速度，消除在要求人类评估图像和识别特征时固有的主观性和偏见。”
关于使用深度学习识别伤口特征的初步结果见皮肤病学研究杂志和激光在外科和医学中的应用E.
除了Zhan，奎因还将与伤口愈合领域的领导人合作，包括Aristidis Veves，Joxin Beess以色列执事足部中心的研究主任，以及迈阿密大学皮肤病学教授Marjana Tomic Canic。通过组合来自多个实验室的伤口图像数据，该团队将拥有更加多样化的数据集，以严格训练神经网络，从而广泛适用于不同类型的伤口。
