دستاورد محققان دانشگاه تهران در زمینه تشخیص خودکار بیماریهای چشمی
تاریخ انتشار: ۳ اسفند ۱۴۰۱ | کد خبر: ۳۷۱۷۵۲۰۴
محققان دانشگاه تهران در زمینه تشخیص خودکار بیماریهای چشمی موفق به طراحی الگوریتمی نوین و توسعه روشی برای طبقهبندی خودکار و مبتنی بر یادگیری عمیق تصاویر مقطعنگاری همدوسی اپتیکی در بیماران مبتلا به دژنراسیون وابسته به سن ماکولا شدند.
به گزارش گروه دانشگاه خبرگزاری دانشجو، پژوهشگران دانشکده مهندسی برق و کامپیوتر دانشگاه تهران به سرپرستی حمید سلطانیانزاده، رئیس آزمایشگاه مهندسی پزشکی، برای طبقهبندی خودکار تصاویر مقطعنگاری همدوسی اپتیکی در بیماران مبتلا به دژنراسیون وابسته به سن ماکولا Age-related Macular Degeneration (AMD) روشی خودکار توسعه دادهاند.
بیشتر بخوانید:
اخباری که در وبسایت منتشر نمیشوند!
حمید سلطانیانزاده در توضیح اهمیت این یافته پزشکی گفت: تشخیص خودکار بیماریهای چشمی یکی از حوزههای فعال تحقیقات در آنالیز تصاویر پزشکی است و دژنراسیون وابسته به سن ماکولا یکی از انواع بیماریهای چشمی و متداولترین دلیل نابینایی در کشورهای توسعهیافته به خصوص در افراد بالای ۶۰ سال است. استفاده گسترده از تصویربرداری در سالهای اخیر، افزایش جمعیت سالخورده، و همچنین ماهیت مزمن این بیماری بار کاری متخصصین چشمپزشکی و سیستم سلامت را افزایش داده است. از طرف دیگر، توسعههای صورت گرفته در هوش مصنوعی و یادگیری عمیق، فرصتی مناسب برای طراحی سیستمهای خودکار تشخیصی به وجود آورده است.
استاد دانشگاه تهران افزود: در این طرح، الگوریتمی نوین طراحی شده است که از یک ساختار کانولوشنی چند مقیاسه مبتنی بر شبکههای هرمی ویژگی برای جداسازی افراد سالم و دو حالت بیماری یعنی دروزن و نئواسکولاریزاسیون کروئیدی بهره میبرد. این شبکهها در کاربردهای بخشبندی تصاویر و تشخیص اشیا مورد استفاده قرار گرفتهاند، اما در این پژوهش، با انجام تغییرات ساختاری، آنها را برای طبقهبندی مورد استفاده قرار دادهایم. استفاده از ساختار چند مقیاسه در طراحی این شبکه باعث میشود تا ویژگیهای غیرقابل تشخیص در یک مقیاس، در مقیاسی دیگر بررسی شوند که موجب افزایش دقت طبقهبندی میشود.
رئیس آزمایشگاه مهندسی پزشکی دانشگاه تهران با بیان اینکه این یافته حاصل یک همکاری بینرشتهای است، اظهار داشت: برای آموزش و ارزیابی عملکرد ساختار پیشنهادی، یک مجموعه از دادههای ملی شامل بیش از ۲۰ هزار تصویر شبکیه چشم از ۴۴۱ بیمار مراجعهکننده به یک بیمارستان فوق تخصصی چشم پزشکی در تهران جمعآوری شد و توسط متخصص چشم پزشک برچسبگذاری شد. به منظور برطرف کردن مشکل توزیع غیریکسان دادهها از تابع هزینه آنتروپی متقاطع چند کلاسه وزندار استفاده کردیم و ساختاری چند مقیاسه طراحی شد تا دقت دستهبندی بالاتری نسبت به مدل پایه داشته باشد. همچنین با تنظیم تعداد هرمهای ویژگی ترکیبشده، دقت را افزایش دادیم. از تأثیر مثبت پیش آموزش تدریجی بر عملکرد بهترین مدل هم استفاده کردیم و در نهایت به دقت بالای ۹۳% رسیدیم.
وی افزود: به منظور ایجاد تفسیرپذیری نتایج، نقشههای گرمایی را رسم کردیم. رسم نقشههای گرمایی باعث مشخص شدن ناحیه تصمیم شبکه شده و اعتماد بیمار و پزشک متخصص را به روشهای مبتنی بر هوش مصنوعی افزایش میدهد.
سلطانیانزاده گفت: سامان ستودهپیما و عطاالله جدیری از دانشجویان همکار در این طرح بودند.
منبع: خبرگزاری دانشجو
کلیدواژه: بیماری های چشمی پژوهشگران دانشگاه تهران بیماری های چشمی دانشگاه تهران طبقه بندی
درخواست حذف خبر:
«خبربان» یک خبرخوان هوشمند و خودکار است و این خبر را بهطور اتوماتیک از وبسایت snn.ir دریافت کردهاست، لذا منبع این خبر، وبسایت «خبرگزاری دانشجو» بوده و سایت «خبربان» مسئولیتی در قبال محتوای آن ندارد. چنانچه درخواست حذف این خبر را دارید، کد ۳۷۱۷۵۲۰۴ را به همراه موضوع به شماره ۱۰۰۰۱۵۷۰ پیامک فرمایید. لطفاً در صورتیکه در مورد این خبر، نظر یا سئوالی دارید، با منبع خبر (اینجا) ارتباط برقرار نمایید.
با استناد به ماده ۷۴ قانون تجارت الکترونیک مصوب ۱۳۸۲/۱۰/۱۷ مجلس شورای اسلامی و با عنایت به اینکه سایت «خبربان» مصداق بستر مبادلات الکترونیکی متنی، صوتی و تصویر است، مسئولیت نقض حقوق تصریح شده مولفان در قانون فوق از قبیل تکثیر، اجرا و توزیع و یا هر گونه محتوی خلاف قوانین کشور ایران بر عهده منبع خبر و کاربران است.
خبر بعدی:
تشخیص چند دقیقهای سرطان با یک قطره خون
به گزارش خبرگزاری علم و فناوری آنا به نقل از اینترستینگ اینجینرینگ، دانشمندان چینی آزمایشی طراحی کردهاند که برای تشخیص سرطان به کمتر از ۰.۰۵ میلی متر خون خشک شده نیاز دارد. محققان در این روش از فناوری هوش مصنوعی استفاده میکنند.
غربالگری برای شناسایی نشانگرهای خاص خون به عنوان یک روش احتمالی برای تشخیص زودهنگام سرطان شناخته شده است. اما سرطانهایی مانند پانکراس، روده بزرگ و معده، آزمایشهای دقیق خونی برای تشخیص ندارند. در این مطالعه ذکر شده است، بیش از یک میلیارد نفر در سراسر جهان با نرخ بالایی از تشخیص اشتباه بیماری روبرو هستند. از این رو نیاز فوری و مبرمی به ابزارهای تشخیصی با دقت و قیمت مقرون به صرفه وجود دارد. حالا سوالی که مرح میشود این است این آزمایش جدید تا چه اندازه میتواند کمک کننده باشد؟
بر اساس گفتههای محققان، این آزمایش میتواند حدود ۸۲ تا ۱۰۰ درصد از مواقع سرطان بیمار را تشخیص دهد. این آزمایش در عرض چند دقیقه، تفاوت بین بیماران مبتلا به سرطان و افراد بدون سرطان را نشان داد. تمرکز آنها بر روی سرطانهای پانکراس، معده یا روده بزرگ بود.
آنها این مدل را مورد آزمایش قرار دادند و میزان تأثیرگذاری آن را در تفاوت قائل شدن بین اهداکنندگان خون افراد مبتلا به سرطان و بدون سرطان تفاوت ایجاد کند. سپس آن را با آزمایشهای سنتی مبتنی بر خون مایع مقایسه کردند. نتایجی که به دست آوردند به آنها نشان داد که نقاط خون خشک شده نیز در تشخیص بسیار مؤثر هستند. در مورد سرطان پانکراس، آنها توانستند ۸۱.۲ درصد از موارد را تشخیص دهند. در مورد نمونههای خون مایع، این میزان ۷۶.۸ درصد بود.
ارزیابی محققان نشان داد که اجرای این ابزار در مناطق کمتر توسعهیافته میتواند نسبت تخمینی موارد تشخیص نشده سرطان را کاهش دهد. به عنوان مثال، این روش برای غربالگری سرطان در سطح جمعیت مناطق روستایی چین میتواند موارد تشخیص داده نشده را ۲۰ تا ۵۰ درصد کاهش دهد. به ویژه زمانی که صحبت از سرطانهای معده و روده بزرگ است.
چائویوان کوانگ، که در این مطالعه دخیل نبوده است، گفت: این آزمایش سرطان برای مدت زمان طولانی مورد استفاده قرار نخواهد گرفت. به گفته او، ما هنوز سالها فاصله داریم تا بتوانیم این آزمایش را به بیماران ارائه دهیم.
لکههای سرم خشک (DSS) نمونههای کوچکی از سرم هستند که خشک شدهاند که معمولاً در آزمایشهای تشخیصی مختلف استفاده میشود. در مورد تشخیص سرطان، استفاده از نقاط خون خشک میتواند چالشبرانگیز باشد. دلیل آن در تجزیه نشانگرهای حساس و مقدار خون اغلب ناکافی برای نتایج قابل اعتماد است.
بنابراین، محققان پیشنهاد میکنند که از نانوذرات معدنی برای بهبود تشخیص سرطان استفاده کنند. به طور خاص، تمرکز بر روی طیفسنجی جرمی پیشرفته (NPELDI MS) است که نتایجی قابل اعتماد و با حساسیت بهتر ارائه میدهد. این شامل کاربرد نانوذرات معدنی برای افزایش تمرکز انتخابی و غنیسازی ترکیبات متابولیک از نمونهها است. با این حال، سازگاری طیفسنجی جرمی پیشرفته با تجزیه و تحلیل نقاط خشک هنوز تأیید نشده است
آنها بر اساس مدل یادگیری ماشینی که ایجاد کردند، دریافتند که نمونههای سرم خشک نشانگرهای بیولوژیکی مهم را حفظ میکنند که برای بهبود دقت تشخیصی حیاتی است. این مدلهای ماشینی نوعی هوش مصنوعی هستند که از الگوریتمهایی برای مثال برای تشخیص سرطان استفاده میکنند.
کوانگ گفت: این یک شروع عالی است، اما به دلایل زیادی به آزمایشهای بیشتری نیاز است. به عنوان مثال، آنها فقط چند صد نمونه را آزمایش کردند و همچنین مدل یادگیری ماشینی را روی افرادی که قبلاً به سرطان مبتلا بودند آزمایش کردند. به این معنی که باید تأیید شود که چگونه به عنوان یک ابزار تشخیصی واقعی کار میکند.
انتهای پیام/