阿肯色大学生物医学工程教授凯尔·奎因从美国国家卫生研究院获得了一笔为期四年、价值160万美元的拨款，用于对慢性皮肤伤口进行非侵入性实时“光学活检”。
其目标是提供数字组织病理学图像和其他定量信息，而不需要侵入性活检、组织处理和组织学染色。
慢性皮肤伤口的初步临床评估包括目视检查，但更详细的特征依赖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中对了解伤口病理生理学和开发治疗慢性皮肤伤口的新产品很有用，但它具有固有的侵入性、耗时和定性。
几年来，Quinn一直在研究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。他实验室的研究人员使用多光子显微镜在细胞水平上三维观察组织，并生成伤口代谢的三维地图。这种成像技术是非侵入性的，允许他们测量细胞代谢和皮肤组织随时间的变化，在相同的伤口。
尽管他们的代谢成像技术可以提供非常详细的细胞功能评估，但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皮肤或伤口的特定层，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。詹是一名数据科学专家，正在帮助奎因将多光子显微镜和“深度学习”(一种基于人工智能的分析方法)结合起来。
深度学习方法将使Quinn能够对慢性皮肤伤口进行快速定量分析。
奎因在新闻发布会上说:“通过深度学习，我们可以训练计算机算法准确而快速地描绘伤口区域。”“这将大大加快我们的分析速度，并消除人们在评估图像和识别特征时固有的主观性和偏见。”
初步结果表明，利用深度学习识别伤口特征出现在皮肤病学调查杂志和激光在外科和医学e．
除了詹，奎因还将与伤口愈合领域的领导者合作，包括Joslin-Beth Israel Deaconess Foot Center的研究主任Aristidis Veves，以及迈阿密大学皮肤病学教授Marjana Tomic Canic。通过结合来自多个实验室的伤口图像数据，该团队将拥有一组更多样化的数据，以严格训练神经网络，广泛适用于不同类型的伤口。
