Os pesquisadores de QUT usam profundamente a aprendizagem de métodos para um teste mais exacto do olho

Os pesquisadores da Universidade Tecnológica de Queensland (QUT) aplicaram técnicas de aprendizagem (AI) profundas da inteligência artificial para desenvolver um método mais exacto e mais detalhado para analisar imagens da parte traseira do olho para ajudar melhor clínicos a detectar e doenças de olho da trilha, tais como a glaucoma e degeneração macular relativa à idade.

Seus resultados foram publicados em relatórios científicos da natureza.

Estude o Dr. superior David Alonso-Caneiro do research fellow do autor principal QUT, da faculdade da saúde, escola da optometria e a ciência da visão, disse que a equipe tinha explorado uma escala de técnicas de aprendizagem profundas avançadas para analisar imagens ópticas do tomografia (OCT) da coerência.

OUTUBRO é um instrumento comum usado por optometristas e por oftalmologista. Toma as imagens de secção transversal do olho que mostram camadas de tecido diferentes. Estas imagens são de alta resolução - aproximadamente 4 mícrons; muito menos do que, por exemplo, um cabelo humano, que tenha aproximadamente 100 mícrons grosso.

O Dr. Alonso-Caneiro disse que usando OUTUBRO fazer a varredura para traçar e monitorar a espessura das camadas de tecido no olho pode ajudar clínicos a detectar doenças de olho.

Em nosso estudo nós procuramos um método novo de analisar as imagens e de extrair duas camadas de tecido principais na parte traseira do olho, a retina e choroid, com interesse especial no choroid.

O choroid é a área entre a retina e o sclera, e contem os vasos sanguíneos principais que fornecem nutrientes e oxigênio ao olho.

As técnicas de processamento padrão da imagem lactente usadas com OUTUBRO definem e analisam as camadas de tecido retinas bem, mas muito poucos instrumentos clínicos de OUTUBRO têm o software que analisa o tecido choroidal.

Assim nós treinamos uma rede de aprendizagem profunda para aprender as características chaves das imagens e para definir a exactamente e automaticamente os limites do choroid e da retina.”

Dr. David Alonso-Caneiro, research fellow de QUT e autor principal superiores

As varreduras chorio-retinas recolhidas equipe do olho de OUTUBRO de um estudo longitudinal de 18 meses de 101 crianças com boa visão e os olhos saudáveis, e usado estas imagens para treinar o programa para detectar testes padrões e definir os limites choroid.

Então compararam o que desenvolveram com métodos de análise padrão da imagem e encontraram seu programa para ser seguros e mais exactos.

“Poder analisar imagens de OUTUBRO melhorou nossa compreensão das mudanças do tecido do olho associadas com a revelação normal do olho, envelhecimento, erros refractive e doença de olho,” o Dr. Alonso-Caneiro disse.

“Tendo a informação mais segura destas imagens do choroid, que nosso programa fornece, é importante clìnica e igualmente para avançar nossa compreensão do olho com a pesquisa.

“Nós sentimos que nossos métodos poderiam fornecer uma maneira de melhorar o mapa e monitorar mudanças no tecido choroid, e diagnosticam potencial doenças de olho mais cedo.”

O Dr. Alonso-Caneiro disse que o programa novo tinha sido compartilhado com os pesquisadores do olho em Austrália e ultramarino, e se esperou que os fabricantes de instrumentos comerciais de OUTUBRO podem estar interessados na aplicar.

A equipe igualmente quer fazer uma pesquisa mais adicional para testar o programa em imagens de umas populações e de uns povos mais idosos com doença diagnosticada.

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.