与手动方法相比,人工智能使视网膜成像速度快 100 倍

美国国立卫生研究院(National Institutes of Health)的研究人员将人工智能(AI)应用于一种技术,该技术可以生成眼细胞的高分辨率图像。他们报告说,使用人工智能,成像速度提高了 100 倍,图像对比度提高了 3.5 倍。他们说,这一进展将为研究人员提供更好的工具来评估年龄相关性黄斑变性(AMD)和其他视网膜疾病。

论文发表在《传播医学》上。

“人工智能有助于克服视网膜成像细胞的一个关键限制,那就是时间,”美国国立卫生研究院国家眼科研究所临床和转化成像部门负责人Johnny Tam博士说。

Tam 正在开发一种称为自适应光学 (AO) 的技术,以改进基于光学相干断层扫描 (OCT) 的成像设备。与超声波一样,OCT 是大多数眼科诊所的无创、快速、无痛和标准设备。

使用 AO-OCT 对 RPE 细胞进行成像带来了新的挑战,包括一种称为散斑的现象。斑点干扰AO-OCT的方式就像云干扰航空摄影一样。在任何给定时刻,图像的某些部分都可能被遮挡。管理斑点有点类似于管理云量。

研究人员在很长一段时间内反复对细胞进行成像。随着时间的流逝,斑点会发生变化,从而使细胞的不同部分变得可见。然后,科学家们承担了一项费力且耗时的任务,将许多图像拼凑在一起,以创建无斑点的RPE细胞图像。

Tam和他的团队开发了一种基于人工智能的新型方法,称为并行鉴别器生成状语网络(P-GAN),这是一种深度学习算法。通过向P-GAN网络提供近6,000张手动分析的AO-OCT获取的人类RPE图像,每张图像都与相应的斑点原始图像配对,该团队训练网络识别和恢复斑点模糊的细胞特征。

在新图像上进行测试时,P-GAN成功地消除了RPE图像的斑点,恢复了细胞细节。通过一次图像捕获,它生成的结果与手动方法相当,手动方法需要采集和平均 120 张图像。凭借各种评估细胞形状和结构等的客观性能指标,P-GAN的表现优于其他AI技术。NEI 临床和转化成像部门的博士后研究员 Vineeta Das 博士估计,P-GAN 将成像采集和处理时间缩短了约 100 倍。P-GAN的对比度也更大,比以前高出约3.5倍。

“自适应光学将基于OCT的成像提升到一个新的水平,”Tam说。“这就像从阳台座位移动到前排座位来对视网膜进行成像一样。借助AO,我们可以以细胞尺度分辨率揭示3D视网膜结构,使我们能够放大疾病的早期迹象。

虽然将 AO 添加到 OCT 可以更好地查看细胞,但在捕获 AO-OCT 图像后处理图像所需的时间比没有 AO 的 OCT 要长得多。

Tam的最新研究针对视网膜色素上皮(RPE),这是光敏视网膜后面的一层组织,支持代谢活跃的视网膜神经元,包括光感受器。视网膜排列在眼睛的后部,捕捉、处理和转换进入眼睛前部的光,然后通过视神经传输到大脑。科学家们对RPE很感兴趣,因为当RPE分解时,会发生许多视网膜疾病。

通过将人工智能与AO-OCT相结合,Tam认为已经克服了使用AO-OCT进行常规临床成像的主要障碍,特别是对于影响RPE的疾病,这在传统上很难成像。

“我们的研究结果表明,人工智能可以从根本上改变图像的捕获方式,”Tam说。“我们的P-GAN人工智能将使AO成像更容易用于常规临床应用和旨在了解致盲性视网膜疾病的结构、功能和病理生理学的研究。将人工智能视为整个成像系统的一部分,而不是仅在捕获图像后才应用的工具,这是人工智能领域的范式转变。

仅供眼科医学专业人士阅读参考



请点“在看”以免错过推送



声明:本文内容仅供医疗专业人士参考,非本平台观点。信息仅为医药资讯,不替代专业医疗建议。本站及投稿作者不对内容的准确性负责,也不承担因使用本文信息而引起的任何责任。医疗决策应咨询专业人士。



本篇文章来源于微信公众号: 医工学人

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注