在設得蘭群島小馬的橈腕關節和腕間關節中誘導尖銳和鈍的軟骨溝，并在基線（0周）和三個隨

訪時間點（11、23和39周）通過測量體內近紅外光譜和凹槽周圍。39周后處死動物并收獲關節

。離體重新獲得光譜以確保體內測量和參考分析的可靠性。此外，軟骨厚度和瞬時模量分別通過計算機

斷層掃描和機械測試確定。使用卷積神經網絡確定離體光譜和軟骨參考特性之間的關系。

在一個獨立的測試集中，經過訓練的網絡產生了軟骨厚度 (= 0.473) 和瞬時模量 (= 0.498) 的顯著相關性。這些

網絡用于預測基線和后續時間點的參考特性。在橈腕關節中，兩種溝型在基線后軟骨厚度顯著增加并保持腫脹。此外，

在 39 周時，觀察到對照組和銳槽之間的軟骨厚度存在顯著差異。對于瞬時模量，從基線到 23 周和 39 周，橈腕關節的

兩種凹槽類型均觀察到顯著降低。

NIRS 與機器學習相結合能夠確定體內軟骨特性，從而提供對干預后損傷發展的縱向評估。此外，與腕間關節

相比，橈腕關節在損傷后更容易發生軟骨退化。

使用商業機械測試儀（Mach-1 v500css，Biomomentum Inc.，Laval，Quebec，Canada）使用直徑為 0.5 mm

 的球形壓頭半自動確定鄰近缺陷位置的瞬時模量 (IM)，如前所述 20 . 簡而言之，機械協議包括 0.1 N 的預載，然后是

單個 15% 應變壓痕步驟（速度 ? 100% 應變/秒）。IM 由