Yenilikler

Yapay zeka, manuel yöntemle karşılaştırıldığında retina görüntülemeyi 100 kat daha hızlı hale getiriyor

Ulusal Sağlık Enstitüleri’ndeki araştırmacılar, gözdeki hücrelerin yüksek çözünürlüklü görüntülerini üreten bir tekniğe yapay zeka (AI) uyguladı. Yapay zeka ile görüntülemenin 100 kat daha hızlı olduğunu ve görüntü kontrastını 3,5 kat artırdığını bildiriyorlar. Bu ilerlemenin araştırmacılara yaşa bağlı makula dejenerasyonu (AMD) ve diğer retina hastalıklarını değerlendirmek için daha iyi bir araç sağlayacağını söylüyorlar.

NIH Ulusal Göz Enstitüsü’nde Klinik ve Translasyonel Görüntüleme Bölümünü yöneten Ph.D. Johnny Tam, “Yapay zeka, retinadaki görüntüleme hücrelerindeki önemli bir sınırlamanın, yani zamanın üstesinden gelmeye yardımcı oluyor” dedi.

Tam, optik koherens tomografiye (OCT) dayalı görüntüleme cihazlarını iyileştirmek için uyarlanabilir optik (AO) adı verilen bir teknoloji geliştiriyor. Ultrason gibi OCT de noninvaziv, hızlı, ağrısız ve çoğu göz kliniğinde standart ekipmandır.

RPE hücrelerinin AO-OCT ile görüntülenmesi, benek adı verilen bir olgu da dahil olmak üzere yeni zorluklarla birlikte gelir. Benekler, bulutların hava fotoğrafçılığına müdahale ettiği gibi AO-OCT’ye müdahale eder. Herhangi bir anda görüntünün bazı kısımları karartılabilir. Benek yönetimi, bulut örtüsü yönetimine biraz benzer. Araştırmacılar hücreleri uzun bir süre boyunca tekrar tekrar görüntülediler. Zaman geçtikçe benekler kayar ve bu da hücrelerin farklı bölümlerinin görünür hale gelmesini sağlar. Bilim insanları daha sonra RPE hücrelerinin lekesiz bir görüntüsünü oluşturmak için birçok görüntüyü bir araya getirme gibi zahmetli ve zaman alıcı bir görevi üstleniyor.

Tam ve ekibi, paralel ayrıştırıcı üretken zarf ağı (P-GAN) adı verilen, derin bir öğrenme algoritması olan yeni bir yapay zeka tabanlı yöntem geliştirdi. Ekip, P-GAN ağını, her biri karşılık gelen benekli orijinaliyle eşleştirilen, insan RPE’sinin manuel olarak analiz edilmiş yaklaşık 6.000 AO-OCT ile elde edilmiş görüntüsünü besleyerek, beneklerle gizlenmiş hücresel özellikleri tanımlamak ve kurtarmak için ağı eğitti.

Yeni görüntüler üzerinde test edildiğinde P-GAN, RPE görüntülerinin lekelerini başarıyla gidererek hücresel ayrıntıları kurtardı. Tek bir görüntü yakalamayla, 120 görüntünün edinilmesini ve ortalamasının alınmasını gerektiren manuel yöntemle karşılaştırılabilir sonuçlar elde edildi. Hücre şekli ve yapısı gibi şeyleri değerlendiren çeşitli nesnel performans ölçümleriyle P-GAN, diğer yapay zeka tekniklerinden daha iyi performans gösterdi. NEI Klinik ve Translasyonel Görüntüleme Bölümünde doktora sonrası araştırmacı olan Vineeta Das, Ph.D., P-GAN’ın görüntüleme elde etme ve işleme süresini yaklaşık 100 kat azalttığını tahmin ediyor. P-GAN ayrıca öncekine göre yaklaşık 3,5 oranında daha fazla kontrast sağladı.

Tam, “Uyarlanabilir optikler OCT tabanlı görüntülemeyi bir sonraki seviyeye taşıyor” dedi. “Bu, retinayı görüntülemek için balkon koltuğundan ön sıradaki koltuğa geçmeye benziyor. AO ile 3 boyutlu retina yapılarını hücresel ölçekte çözünürlükte ortaya çıkarabiliyoruz, böylece hastalığın çok erken belirtilerine yakınlaşabiliyoruz.”

OCT’ye AO eklemek, hücrelerin çok daha iyi bir görünümünü sağlarken, AO-OCT görüntülerinin yakalandıktan sonra işlenmesi, AO’suz OCT’den çok daha uzun sürer.

Tam’ın son çalışması, fotoreseptörler de dahil olmak üzere metabolik olarak aktif retinal nöronları destekleyen, ışığa duyarlı retinanın arkasındaki doku tabakası olan retina pigment epitelini (RPE) hedef alıyor. Retina, gözün arkasını kaplar ve gözün ön kısmına giren ışığı yakalar, işler ve sinyallere dönüştürür ve daha sonra optik sinir yoluyla beyne iletir. Bilim adamları RPE ile ilgileniyor çünkü retinadaki birçok hastalık RPE bozulduğunda ortaya çıkıyor.

Tam, AI’nın AO-OCT ile entegre edilmesiyle, özellikle geleneksel olarak görüntülenmesi zor olan RPE’yi etkileyen hastalıklar için AO-OCT kullanılarak yapılan rutin klinik görüntülemenin önündeki büyük bir engelin aşıldığına inanıyor.

Tam, “Sonuçlarımız yapay zekanın görüntülerin yakalanma şeklini temelden değiştirebileceğini gösteriyor” dedi. “P-GAN yapay zekamız, AO görüntülemeyi rutin klinik uygulamalar ve kör edici retina hastalıklarının yapısını, işlevini ve patofizyolojisini anlamayı amaçlayan çalışmalar için daha erişilebilir hale getirecek. Yapay zekayı genel görüntüleme sisteminin bir parçası olarak düşünmek Yalnızca görüntüler çekildikten sonra uygulanan bir araç, yapay zeka alanında bir paradigma değişimidir.”

Kaynak ve İleri Okuma: https://www.sciencedaily.com/releases/2024/04/240410112720.htm

İlgili Makaleler

Başa dön tuşu