آخرین مطالب

استفاده از یادگیری عمیق برای پیش بینی بینایی بیماران گلوکومی


گلوکوم

اعتبار: CC0 دامنه عمومی

تحقیقات تیمی از جمله آزمایشگاه Crabb در سیتی، دانشگاه لندن، از یادگیری عمیق (DL) که نوعی هوش مصنوعی (AI) است، بر روی هزاران تصویر از پشت چشم بیماران مبتلا به گلوکوم برای پیش‌بینی استفاده کرده است. چقدر بینایی آنها تحت تأثیر این بیماری قرار گرفته است.

این مطالعه حجم زیادی از داده ها را از بیش از 24000 بیمار از سه کلینیک NHS در انگلیس برای دستیابی به این هدف بسیج و جمع آوری کرد. یافته‌های این مطالعه نشان می‌دهد که روش هوش مصنوعی می‌تواند در ردیابی چگونگی پیشرفت گلوکوم در بیماران در کلینیک نقش داشته باشد و همچنین می‌تواند برای بهینه‌سازی کارآزمایی‌های تحقیقاتی در مورد گلوکوم استفاده شود.

گلوکوم – گروهی از بیماری های چشمی که باعث آسیب پیشرونده به عصب بینایی می شود – حدود 2٪ از افراد بالای 40 سال و تقریبا 10٪ از افراد بالای 75 سال را تحت تاثیر قرار می دهد که منجر به بیش از یک میلیون ویزیت سالانه به بیمارستان می شود. هنگامی که فردی بینایی خود را از طریق گلوکوم از دست می دهد، قابل ترمیم نیست، بنابراین تشخیص زودهنگام و مدیریت مناسب بسیار مهم است.

یادگیری عمیق نوعی “یادگیری ماشینی” و هوش مصنوعی است که روشی را تقلید می کند که انسان انواع خاصی از دانش را به دست می آورد. در این مطالعه، مدل‌های یادگیری عمیق به‌طور مستقل برای حجم زیادی از دو نوع تصویربرداری از چشم بیماران گلوکومی استفاده شد. هدف این بود که مشخص شود آیا این مدل‌ها می‌توانند برای پیش‌بینی نواحی دید بیمار (میدان بینایی) استفاده شوند.

اولین نوع تصویربرداری به عنوان توموگرافی انسجام نوری (OCT) شناخته می شود، که از نور با انسجام کم (احتمال کمتر بازتاب) برای به دست آوردن تصاویر مقطعی با وضوح بالا از شبکیه، ناحیه حساس به نور پشت چشم استفاده می کند. یک تصویر توسط چشم تشکیل می شود. لایه‌های داخل شبکیه را می‌توان متمایز کرد و ضخامت شبکیه را می‌توان اندازه‌گیری کرد تا به تشخیص و تشخیص زودهنگام بیماری کمک کند.

نوع دوم تصویربرداری بازتاب مادون قرمز (IR) نام دارد و از نور مادون قرمز برای روشن کردن شبکیه استفاده می کند که در این مورد برای تصویربرداری از دیسک بینایی استفاده می شود، جایی که عصب بینایی چشم از شبکیه خارج شده و به سمت شبکیه حرکت می کند. مغز

یکی از جنبه‌های منحصربه‌فرد این تحقیق این است که روش یادگیری عمیق یاد گرفت که چگونه میدان بینایی بیمار را با نگاه کردن به تصویربرداری بدون برچسب‌گذاری ویژگی‌های درون آن توسط هیچ متخصص یا پزشک پیش‌بینی کند.

این مطالعه نشان داد که هر مدل یادگیری عمیق می‌تواند از الگوها در حجم‌های مربوط به هر نوع تصویربرداری بهره‌برداری کند و ارزش پیش‌بینی مفیدی از اینکه میدان بینایی یک بیمار خاص چه خواهد بود، صرفاً از روی تصویر از چشم آن‌ها دارد. با این حال، مطالعه بیشتر نشان داد که انجام یک فرآیند یادگیری عمیق در هر دو نوع تصویربرداری، OCT و IR، دقت بهتری را در پیش‌بینی میدان‌های بینایی بیمار ارائه می‌دهد.

در حالی که پیش‌بینی‌های یادگیری عمیق در این مرحله از نظر بالینی مهم نیستند، به اندازه کافی امیدوارکننده هستند تا نویسندگان مطالعه بررسی کنند که آیا این امر در مرحله بعدی تحقیقاتشان قابل دستیابی است یا خیر. اگر چنین است، چنین تکنیکی می تواند به بیماران در کلینیک ها هدایت شود، جایی که باید در مورد تشدید درمان ها تصمیم گیری شود، زیرا ممکن است آب سیاه آنها بدتر شود.

توانایی استفاده از تصاویر پشت چشم برای پیش‌بینی عملکرد بینایی نیز می‌تواند به ویژه در زمینه طراحی آزمایش‌هایی برای درمان‌های جدید برای گلوکوم مفید باشد. برای مثال، می‌تواند به این معنا باشد که نتایج این آزمایش‌ها می‌تواند دقیق‌تر باشد و به نوبه خود می‌تواند ارائه درمان‌های جدید را سرعت بخشد.

دیوید کراب، استاد آمار و تحقیقات بینایی و سرپرست آزمایشگاه کراب در سیتی، دانشگاه لندن، می گوید که “این یک مطالعه هیجان انگیز بود. حجم عظیمی از داده های NHS به طور معمول فقط در اطراف گرد و غبار جمع آوری می شود. در اینجا ما استفاده کردیم. توسعه یک تکنیک هوش مصنوعی بسیار هوشمندانه که در مورد عناصر موجود در تصاویر برای پیش‌بینی بهتر عملکرد بصری یاد می‌گیرد. این تکنیک‌ها می‌توانند برای طراحی نقاط پایانی آزمایشی بهتر برای درمان‌های جدید گلوکوم مفید باشند. نتایج این مطالعه در معتبرترین مجله بین‌المللی چشم‌پزشکی منتشر شده است. و نمونه دیگری از کیفیت تحقیقات ما در شهر است.”

این مطالعه به صورت آنلاین در دسترس است، و در نشریه (در چاپ) منتشر خواهد شد چشم پزشکی.


یادگیری عمیق برای تشخیص گلوکوم


اطلاعات بیشتر:
یوکا کیهارا و همکاران، سیاست محور، یادگیری عمیق چندوجهی برای پیش بینی میدان های بینایی از دیسک نوری و تصویربرداری OCT، چشم پزشکی (2022). DOI: 10.1016/j.ophtha.2022.02.017

ارائه شده توسط دانشگاه سیتی لندن

نقل قول: استفاده از یادگیری عمیق برای پیش‌بینی بینایی بیماران گلوکومی (2022، 7 ژوئن) در 7 ژوئن 2022 از https://medicalxpress.com/news/2022-06-deep-vision-glaucoma-patients.html بازیابی شده است.

این برگه یا سند یا نوشته تحت پوشش قانون کپی رایت است. به غیر از هرگونه معامله منصفانه به منظور مطالعه یا تحقیق خصوصی، هیچ بخشی بدون اجازه کتبی قابل تکثیر نیست. محتوای مذکور فقط به هدف اطلاع رسانی ایجاد شده است.