Los investigadores de QUT utilizan profundamente el aprendizaje de los métodos para una prueba más exacta del aro

Los investigadores de la Universidad Tecnológica de Queensland (QUT) han aplicado técnicas de aprendizaje (AI) profundas de la inteligencia artificial para desarrollar un método más exacto y más detallado para analizar las imágenes del dorso del aro para ayudar a clínicos mejor para descubrir y a enfermedades oculares del carril, tales como glaucoma y degeneración macular relativa a la edad.

Sus conclusión se han publicado en partes científicos de la naturaleza.

Estudie al Dr. mayor David Alonso-Caneiro del profesor investigador del autor importante QUT, de la facultad de salud, escuela de la optometría y la ciencia de Vision, dijo que las personas habían explorado un alcance de las técnicas de aprendizaje profundas avanzadas para analizar imágenes ópticas de la tomografía (OCT) de la coherencia.

OCT es un instrumento común usado por los optometristas y los oftalmólogos. Toma las imágenes seccionadas transversalmente del aro que muestran diversas capas de tejido. Estas imágenes son de alta resolución - cerca de 4 micrones; mucho menos que, por ejemplo, un cabello humano, que es cerca de 100 micrones de grueso.

El Dr. Alonso-Caneiro dijo que con OCT la exploración para correlacionar y para vigilar el espesor de las capas de tejido en el aro puede ayudar a clínicos a descubrir enfermedades oculares.

En nuestro estudio buscamos un nuevo método de analizar las imágenes y de extraer dos capas de tejido principales en el dorso del aro, el la retina y coroides, con interés especial en el coroides.

El coroides es el área entre la retina y el sclera, y contiene los vasos sanguíneos mayores que ofrecen los alimentos y el oxígeno al aro.

Las técnicas de tramitación estándar de la proyección de imagen usadas con OCT definen y analizan las capas de tejido retinianas bien, pero muy pocos instrumentos clínicos de OCT tienen software que analice el tejido coroides.

Entrenamos tan a una red de aprendizaje profunda para aprender las características dominantes de las imágenes y definir a exacto y automáticamente los límites del coroides y de la retina.”

El Dr. David Alonso-Caneiro, profesor investigador de QUT y autor importante mayores

Las exploraciones coriorretinales cerco personas del aro de OCT de un estudio longitudinal de dieciocho meses de 101 niños con la buena visión y aros sanos, y utilizado estas imágenes para entrenar al programa para descubrir configuraciones y para definir los límites coroides.

Después compararon lo que desarrollaron con métodos de análisis estándar de imagen y encontraron su programa para ser seguros y más exactos.

El “poder analizar las imágenes de OCT ha perfeccionado nuestra comprensión de los cambios del tejido del aro asociados al revelado normal del aro, envejecimiento, los desvíos refractivos y enfermedad ocular,” el Dr. Alonso-Caneiro dijo.

“Teniendo información más segura de estas imágenes del coroides, que nuestro programa ofrece, es importante clínico y también para avance nuestra comprensión del aro con la investigación.

“Aserramos al hilo que nuestros métodos podrían ofrecer una manera de mejorar el mapa y de vigilar cambios en tejido coroides, y potencialmente que diagnostican enfermedades oculares anterior.”

El Dr. Alonso-Caneiro dijo que el nuevo programa había sido compartido con los investigadores del aro en Australia y de ultramar, y era esperado que los fabricantes de los instrumentos comerciales de OCT pueden estar interesados en la aplicación de ella.

Las personas también quieren hacer la investigación adicional para probar el programa sobre imágenes de más viejas poblaciones y gente con enfermedad 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.