نرم افزار خودآموز می تواند به تشخیص آترواسکلروز در مراحل اولیه کمک کند –

شاعران چشم را پنجره ای به روح می دانند. اما به طور معمول، آنها را می توان پنجره های کشتی های ما نیز نامید. فوندوس چشم به خوبی با خون تامین می شود. باید باشد تا بیش از 100 میلیون گیرنده نوری در شبکیه و سلول های عصبی متصل به آنها بتوانند کار خود را انجام دهند. در عین حال، سرخرگ ها و سیاهرگ ها را می توان بدون تلاش زیاد از طریق مردمک مشاهده و عکس گرفت.

ممکن است با چنین معاینه ای در آینده بتوان علائم اولیه آترواسکلروز (سخت شدن شریان ها) را تشخیص داد. در این مورد، فرآیندهای بازسازی مزمن منجر به باریک شدن عروق و سخت شدن شریان های آسیب دیده می شود. این عامل اصلی حملات قلبی و سکته مغزی، شایع ترین علل مرگ و میر در کشورهای صنعتی غربی، و همچنین بیماری شریان محیطی (PAD) است.

بیش از چهار میلیون نفر در این کشور از PAD رنج می برند. دکتر نجیب شهاب، رئیس بخش آنژیولوژی و یکی از نویسندگان این مطالعه توضیح می دهد: «از آنجایی که معمولاً در چند سال اول هیچ علامتی ایجاد نمی کند، تشخیص اغلب تنها زمانی انجام می شود که آسیب ثانویه قبلاً رخ داده باشد. در دراز مدت، مشکلات پیشرونده گردش خون در پاها و بازوها حتی ممکن است منجر به قطع عضو شود. مرض.”

بنابراین تشخیص زودهنگام بسیار مهم است تا بتوان افراد مبتلا را به موقع درمان کرد. پروژه بین رشته ای گروه انفورماتیک در دانشگاه بن و گروه چشم پزشکی و مرکز قلب بیمارستان دانشگاه بن دقیقاً از آنجا شروع می شود. دکتر ماکسیمیلیان وینترگرست از بیمارستان چشم دانشگاه در بن توضیح می دهد: «ما از 97 چشم زنان و مردانی که از PAD رنج می بردند عکس گرفتیم. در بیش از نیمی از آنها، بیماری هنوز در مرحله ای بود که هیچ علامتی ایجاد نمی کرد. علاوه بر این، این تیم از پس‌زمینه 34 چشم سوژه‌های کنترل سالم، تصاویر دوربین گرفت.

شبکه عصبی تغییرات اولیه عروقی را تشخیص می دهد

آنها سپس از این تصاویر برای تغذیه یک شبکه عصبی کانولوشنال (CNN) استفاده کردند. این نرم افزاری است که از مغز انسان به روشی که کار می کند الگوبرداری شده است. اگر چنین CNN با عکس هایی که محتوای آنها برای رایانه شناخته شده است آموزش ببیند، بعداً می تواند محتوای عکس های ناشناخته را تشخیص دهد. با این حال، برای اینکه این کار با اطمینان کافی کار کند، معمولاً به چندین ده هزار عکس آموزشی نیاز است – بسیار بیشتر از آنچه در مطالعه موجود بود.

پروفسور دکتر توماس شولتز از مرکز بین المللی فناوری اطلاعات بن-آخن (b-it) و مؤسسه علوم کامپیوتر توضیح می دهد: “بنابراین ما ابتدا یک پیش آموزش با بیماری دیگری که به عروق چشم حمله می کند انجام دادیم.” دوم در دانشگاه بن. برای انجام این کار، محققان از مجموعه داده ای از بیش از 80000 عکس اضافی استفاده کردند. شولتز، که همچنین یکی از اعضای حوزه‌های تحقیقاتی بین رشته‌ای «مدلینگ» و «زندگی و سلامت» در دانشگاه بن است، می‌گوید: «به یک معنا، الگوریتم از آنها می‌آموزد که باید به چه چیزهایی توجه ویژه داشته باشد. بنابراین ما از یادگیری انتقالی نیز صحبت می کنیم.

CNN آموزش دیده با این روش توانست با دقت قابل توجهی تشخیص دهد که آیا عکس های چشم از یک بیمار PAD گرفته شده است یا یک فرد سالم. شولتز توضیح می دهد: “80 درصد از همه افراد مبتلا به درستی شناسایی شدند، اگر 20 درصد موارد مثبت کاذب را در نظر بگیریم – یعنی افراد سالمی که الگوریتم آنها را به اشتباه به عنوان بیمار طبقه بندی کرد.” “این شگفت انگیز است، زیرا حتی برای چشم پزشکان آموزش دیده، PAD را نمی توان از تصاویر فوندوس تشخیص داد.”

در تجزیه و تحلیل های بیشتر، محققان توانستند نشان دهند که شبکه عصبی در طول ارزیابی خود به عروق بزرگ در پشت چشم توجه ویژه ای دارد. با این حال، برای بهترین نتیجه ممکن، این روش به تصاویر دیجیتال با وضوح کافی بالا نیاز داشت. شولتز می گوید: «بسیاری از CNN ها با عکس های با وضوح بسیار پایین کار می کنند. از سوی دیگر، برای طبقه بندی PAD ما به وضوحی نیاز داریم که در آن جزئیات ساختارهای عروقی قابل تشخیص باقی بمانند.”

محققان امیدوارند در آینده عملکرد روش خود را بیشتر بهبود بخشند. برای انجام این کار، آنها قصد دارند با مراکز چشم پزشکی و عروقی در سراسر جهان همکاری کنند تا تصاویر فوندوس اضافی از افراد مبتلا را به آنها ارائه دهند. هدف بلندمدت ایجاد یک روش تشخیصی ساده، سریع و قابل اعتماد است که نیازی به اقدامات همزمان مانند تجویز قطره های چشمی نداشته باشد.

منبع داستان:

مواد ارائه شده توسط دانشگاه بن. توجه: محتوا ممکن است برای سبک و طول ویرایش شود.