在设得兰群岛小马的桡腕关节和腕间关节中诱导尖锐和钝的软骨沟，并在基线（0周）和三个随

访时间点（11、23和39周）通过测量体内近红外光谱和凹槽周围。39周后处死动物并收获关节

。离体重新获得光谱以确保体内测量和参考分析的可靠性。此外，软骨厚度和瞬时模量分别通过计算机

断层扫描和机械测试确定。使用卷积神经网络确定离体光谱和软骨参考特性之间的关系。

在一个独立的测试集中，经过训练的网络产生了软骨厚度 (= 0.473) 和瞬时模量 (= 0.498) 的显着相关性。这些

网络用于预测基线和后续时间点的参考特性。在桡腕关节中，两种沟型在基线后软骨厚度显着增加并保持肿胀。此外，

在 39 周时，观察到对照组和锐槽之间的软骨厚度存在显着差异。对于瞬时模量，从基线到 23 周和 39 周，桡腕关节的

两种凹槽类型均观察到显着降低。

NIRS 与机器学习相结合能够确定体内软骨特性，从而提供对干预后损伤发展的纵向评估。此外，与腕间关节

相比，桡腕关节在损伤后更容易发生软骨退化。

使用商业机械测试仪（Mach-1 v500css，Biomomentum Inc.，Laval，Quebec，Canada）使用直径为 0.5 mm

 的球形压头半自动确定邻近缺陷位置的瞬时模量 (IM)，如前所述 20 . 简而言之，机械协议包括 0.1 N 的预载，然后是

单个 15% 应变压痕步骤（速度 ? 100% 应变/秒）。IM 由