Para peneliti di University of Waterloo telah mengembangkan cara yang lebih baik untuk meningkatkan kejelasan dan detail gambar mata yang digunakan untuk mendiagnosis penyakit dengan mengajar perangkat lunak kecerdasan buatan (AI) Sains di balik proses pencitraan.
Model AI baru secara tepat membalikkan kehilangan kualitas dan merekonstruksi gambar yang andal, menyediakan alat yang kuat untuk diagnosis penyakit mata yang lebih akurat yang mempengaruhi kornea, jaringan transparan di bagian depan mata.
Untuk mendeteksi bukti penyakit mata dan memantau pengobatan, dokter mengandalkan pemindaian jaringan mikroskopis yang ditangkap menggunakan teknik yang memantul cahaya dari struktur kecil di dalam mata. Saat cahaya memantulkan, itu menciptakan efek yang kabur dan pola kasar yang disebut “noise bintik” yang mengaburkan detail halus dan membuat analisis gambar menjadi sulit.
“Pertukaran dengan gambar-gambar tingkat seluler adalah bahwa mereka dapat muncul di luar fokus dan berisik,” kata Dr. Kostadinka Bizheva, seorang profesor fisika dan astronomi yang mengawasi penelitian sampai tiba-tiba meninggal baru-baru ini.
“Ini seperti mencoba membaca sesuatu melalui kaca buram. Memulihkan kualitas gambar adalah langkah penting untuk memastikan diagnosis yang akurat.”
Solusi yang dikembangkan Waterloo membalikkan defocus dan menekan noise speckle menggunakan model difusi fisika-informasi (PIDM). Para peneliti melatih model tentang fisika tentang bagaimana cahaya bergerak dan berinteraksi dengan jaringan pada tingkat seluler sehingga memahami bagaimana penghapusan dan noise speckle terbentuk.
Model AI kemudian menjelaskan masalah-masalah tersebut ketika secara progresif memurnikan gambar, memverifikasi setiap langkah terhadap fisika dunia nyata untuk memastikan akurasi ilmiah.
“Model AI difusi khas kadang -kadang dapat salah menafsirkan atau 'berhalusinasi' ketika gambar direkonstruksi,” kata Dr. Alexander Wong, Profesor Sistem Desain Rekayasa dan Ketua Penelitian Kanada dalam Sistem Pencitraan Medis.
“Dengan menggabungkan kekuatan AI dengan pengetahuan fisika, model kami secara metodis dapat mengurangi kesalahan tersebut dan menghasilkan hasil yang lebih dapat dipercaya.”
Dalam pengujian pada gambar jaringan tanaman dan kornea manusia yang diambil dengan tomografi koherensi optik (OCT) – pemindaian non -invasif yang mirip dengan USG tetapi menggunakan cahaya alih -alih gelombang suara – PIDM mengungguli metode rekonstruksi saat ini untuk mengungkapkan garis sel yang renyah dan detail struktur internal.
Wong mengatakan hasilnya menunjukkan bagaimana menanamkan prinsip -prinsip ilmiah dalam model AI dapat menciptakan alat yang lebih dapat dipercaya dan efektif untuk meningkatkan kesehatan manusia.
Lyndon Jones, seorang profesor sains optometri dan penglihatan yang tidak terlibat dalam penelitian ini, mengatakan model AI dapat membantu dokter mendiagnosis penyakit mata eksternal jauh lebih awal dan menangkap masalah yang mungkin terlewatkan tanpanya.
“Teknologi ini datang pada saat pencitraan OCT mata menjadi lebih umum dan akan sangat penting untuk adopsi luasnya oleh praktisi mata di seluruh dunia,” kata Jones, ilmuwan utama di Pusat Penelitian dan Pendidikan Oculare di Waterloo.
Kolaborator Dr. Bizheva sekarang berharap untuk membangun pekerjaan yang ia mulai dengan memasukkan prinsip -prinsip fisika tambahan dalam model AI dan memperluas penerapannya ke jaringan mata lainnya, seperti retina, untuk mendukung diagnosis lebih banyak penyakit.
Tim peneliti juga termasuk NIMA Abbasi, kandidat PhD dalam rekayasa desain sistem di Waterloo.
Sebuah makalah tentang karya ini, model difusi fisika-informasi untuk rekonstruksi super diselesaikan dari data tomografi koherensi optik, muncul di Transaksi IEEE tentang Teknik Biomedis.
Fitur Gambar: Nima Abbasi (kiri) dan Dr. Alexander Wong membantu mengembangkan model AI baru yang meningkatkan kejernihan gambar medis yang digunakan untuk mendiagnosis penyakit mata. (University of Waterloo)
