近日，俄羅斯的Skolkovo科學技術研究所（Skoltech）發表一種智慧型近紅外光影像靜脈掃描儀，其利用神經網絡分析靜脈的近紅外光影像，並將靜脈圖像投射到患者身體上，有助於增加抽血的效率，並減少針頭難以進入靜脈的困擾。該研究在2020年國際控制、自動化、機器人與視覺會議(International Conference on Control, Automation, Robotics and Vision)發表。

這款智慧型近紅外光影像靜脈掃描儀，是由Skoltech副教授Dmitry Dylov與團隊共同開發，目前處於原型機階段。

研究團隊指出，該掃描儀能非常準確辨別出手臂或腿部的靜脈內的血管輪廓，以及完全自動且獨立（無需用戶輸入），並透過人工神經網絡和強化學習（reinforcement learning），使其能更好地分析影像，並作為視覺輔助（visual aid）投射回到患者的身體，並調整其形狀和位置。

該研究共同作者Alexander Sarachakov指出，通常是使用前臂進行血液檢測，因此開發能夠解決前臂靜脈視覺化的系統是研究的首選。患者將手臂放在掃描儀，無需一秒鐘便能找到靜脈並將其投射到前臂上。如果患者移動前臂，該系統將立即啟動重新對準程序。而且可擴展到臉部和腿部等其他身體部位，並且可用於獸醫護理，以幫助動物進行複雜的靜脈穿刺（venipuncture）。

Dylov指出，近紅外光靜脈掃描儀在臨床實踐中變得司空見慣。然而，我們是首個完全利用現代人工智慧（AI）完成所有事情，包括：神經網絡和處理、神經網絡檢測靜脈輪廓、確保投射到患者手臂上的靜脈內的血管輪廓與真實的靜脈重疊。

研究指出，全球每天有2,000萬次血液檢測，其中大約有45％的患者，因糖尿病等疾病的關係，而使針頭難以進入靜脈，這帶給患者一定程度的不適感。有些更是因為年齡小，或者僅是因為個人身體特徵導致難以辨別，因而無法觸及靜脈。

目前研究人員正在努力於自動選擇降噪和分割模型做最佳結合，使影像更清晰，從而獲得更好的靜脈辨識，並已經著手開始測試第二代硬體原型。

參考來源：
https://www.skoltech.ru/en/2021/03/skoltech-scientists-use-machine-learning-to-help-doctors-find-veins-for-no-fuss-blood-draws/