I ricercatori di QUT usano in profondità l'apprendimento dei metodi per la prova più accurata dell'occhio

I ricercatori dell'università tecnologica del Queensland (QUT) hanno applicato le tecniche di apprendimento (AI) profonde di intelligenza artificiale per mettere a punto un metodo più accurato e più dettagliato per analizzare le immagini della parte posteriore dell'occhio per aiutare meglio i clinici per individuare e le malattie dell'occhio del cingolo, quali il glaucoma e la degenerazione maculare senile relativa all'età.

I loro risultati sono stati pubblicati nei rapporti scientifici della natura.

Studi il Dott. senior David Alonso-Caneiro del ricercatore dell'autore principale QUT, dalla facoltà di salubrità, banco di optometria e la scienza della visione, ha detto che il gruppo aveva esplorato un intervallo delle tecniche di apprendimento profonde avanzate per analizzare le immagini ottiche di tomografia (OCT) della coerenza.

OTTOBRE è uno strumento comune usato dagli optometristi e dagli oftalmologi. Cattura le immagini a sezione trasversale dell'occhio che mostrano i livelli di tessuto differenti. Queste immagini sono ad alta definizione - circa 4 micron; molto di meno che, per esempio, i capelli umani, che sono spesse circa 100 micron.

Il Dott. Alonso-Caneiro ha detto che usando OTTOBRE scandire per mappare e riflettere lo spessore dei livelli di tessuto nell'occhio può aiutare i clinici ad individuare le malattie dell'occhio.

Nel nostro studio abbiamo cercato un nuovo metodo di analizzare le immagini e di estrazione dei due livelli di tessuto principali alla parte posteriore dell'occhio, la retina e coroidico, con interesse speciale nel coroidico.

Il coroidico è l'area fra la retina e lo sclera e contiene i vasi sanguigni principali che forniscono le sostanze nutrienti e l'ossigeno all'occhio.

Le tecniche di trattamento standard della rappresentazione usate con OTTOBRE definiscono bene ed analizzano i livelli di tessuto retinici, ma molto pochi strumenti clinici di OTTOBRE hanno software che analizza il tessuto coroidico.

Così abbiamo preparato una rete di apprendimento profonda per imparare le caratteristiche fondamentali delle immagini e definire ad esattamente ed automaticamente i limiti del coroidico e della retina.„

Dott. David Alonso-Caneiro, ricercatore di QUT e autore principale senior

Il gruppo ha raccolto le scansioni coroidoretiniche dell'occhio di OTTOBRE da uno studio longitudinale di 18 mesi di 101 bambino con la buona visione e gli occhi sani ed ha usato queste immagini per preparare il programma per individuare i reticoli e definire i limiti coroidici.

Poi hanno confrontato che cosa hanno sviluppato con i metodi standard di analisi sulla base di immagini ed hanno trovato il loro programma per essere affidabili e più accurati.

“Potere analizzare le immagini di OTTOBRE ha migliorato la nostra comprensione dei cambiamenti del tessuto dell'occhio connessi con lo sviluppo normale dell'occhio, invecchiamento, errori rifrangenti e malattia dell'occhio,„ il Dott. Alonso-Caneiro ha detto.

“Avendo informazioni più affidabili da queste immagini del coroidico, che il nostro programma fornisce clinicamente, è importante ed anche per l'avanzamento della nostra comprensione dell'occhio con la ricerca.

“Riteniamo che i nostri metodi potrebbero fornire un modo migliorare la mappa e riflettere i cambiamenti in tessuto coroidico e potenzialmente diagnostichino le malattie dell'occhio più presto.„

Il Dott. Alonso-Caneiro ha detto che il nuovo programma era stato diviso con i ricercatori dell'occhio in Australia e d'oltremare ed è stato sperato che i creatori degli strumenti commerciali di OTTOBRE potessero essere interessati nell'applicazione.

Il gruppo egualmente vuole effettuare ulteriore ricerca per verificare il programma sulle immagini dalle popolazioni e dalla gente più anziane con la malattia diagnosticata.

Source:
Journal reference:

Kugelman, J. et al. (2019) Automatic choroidal segmentation in OCT images using supervised deep learning methods. Scientific Reports. doi.org/10.1038/s41598-019-49816-4.