HemoLens：基于眼部图像的无创血红蛋白检测系统

HemoLens是一款创新医疗健康应用，针对全球贫血检测的现实困境（传统检测需采血、有感染风险、成本高、资源匮乏地区难普及），利用机器学习和计算机视觉技术，通过分析眼部图像实现血红蛋白水平无创估计。系统采用FastAPI后端与React Native移动应用架构，为贫血筛查提供便捷数字化解决方案。

贫血是全球最常见营养缺乏症，影响超20亿人。传统血红蛋白检测需采集静脉血或指尖血，存在痛苦不便、感染风险、需专业人员操作、成本高问题，医疗资源匮乏地区定期检测更难实现。因此，开发无创、便捷、低成本的检测方法具有重要临床价值和社会意义。

眼部结膜与血红蛋白关联

人体结膜组织富含毛细血管，颜色深浅与血红蛋白浓度密切相关：血红蛋白降低时结膜苍白，正常时呈粉红色，为无创检测提供理论基础。

多模态特征提取

系统从眼部图像提取46维特征，包括：

• 颜色空间特征：RGB、LAB、HSV、YCrCb等多空间像素分布，提高鲁棒性；
• 统计特征：均值、方差、偏度、峰度等描述颜色分布整体特性；
• 边缘与纹理特征：血管形态信息；
• 对比度与直方图特征：局部和全局颜色特征。

采用前后端分离架构：

FastAPI后端服务

核心模块：

• app.py：主应用，定义API路由和业务逻辑；
• eye_detector.py：眼部检测与健康分类；
• feature_extraction.py：46维特征计算；
• preprocessing.py：图像预处理（去噪、归一化等）；
• models/：存储训练好的机器学习模型（.pkl格式）。

React Native移动应用

前端用React Native+Expo开发，支持双平台：

• App.js：主入口，管理导航和全局状态；
• RealtimeCamera.js：实时相机组件（拍照、预览、裁剪）；
• config.js：配置API地址等参数。用户只需拍照即可快速获结果。

算法选择：Ridge回归

采用Ridge回归（线性回归扩展，L2正则化防过拟合），优势：训练快、模型小、可解释性强，适合移动场景。

性能指标

测试集性能：

• R²=0.6267（解释约62.67%血红蛋白变异）；
• MAE=0.96g/dL（符合贫血筛查精度要求）。

健康状态分类

按血红蛋白范围分四类（与WHO标准基本一致）：

状态	范围(g/dL)
偏低	<12.0
临界	12.0-13.5
正常	13.5-17.5
偏高	>17.5

系统支持指甲、手掌图像的多模态融合检测（指甲床和手掌皮肤毛细血管颜色也反映血红蛋白水平），可提高精度。 API设计支持灵活输入：

• /predict：单一眼部图像预测；
• /predict/multimodal：眼部+指甲+手掌组合预测；
• /predict/batch：批量眼部图像预测。

贫血筛查普及化

将专业筛查工具普及到普通用户，偏远地区可通过手机自我筛查，尤其利于孕妇、儿童、老年人等高发人群。

慢性病管理辅助

作为传统检测补充，帮助慢性肾病、消化道出血患者长期监测，及时调整治疗方案。

数字化健康趋势

代表医疗领域趋势：用计算机视觉和机器学习将专业检测集成到消费级设备，未来有望扩展到血糖、血压等指标监测。

当前局限性

• 模型R²约0.63，37%变异无法解释，精度待提高；
• 对光照、拍摄角度、眼部状态敏感，需用户遵循拍摄规范；
• 仅适用于筛查，不能完全替代临床血液检测。

改进方向

• 引入深度学习模型（如CNN）捕捉复杂特征；
• 扩大训练数据集（更多年龄段、种族、健康状况样本）；
• 优化移动端算法实现离线推理，保护隐私；
• 开发健康管理功能（个性化营养建议、就医指导）。