Aviso: Esta página é uma tradução automática da página original em inglês. Por favor note uma vez que as traduções são geradas por máquinas, não tradução tudo será perfeita. Este site e suas páginas da Web destinam-se a ler em inglês. Qualquer tradução deste site e suas páginas da Web pode ser imprecisas e imprecisos no todo ou em parte. Esta tradução é fornecida como uma conveniência.

Os pesquisadores aplicam profundamente a aprendizagem aos sistemas de PS-OCT detectar melhor o cancro

Yi “Edwin” Sun, um candidato do Ph.D. em elétrico e engenharia informática no Urbana-Campo das Universidades de Illinois e no membro do laboratório da imagem lactente do Biophotonics do instituto de Beckman dirigiu por Stephen Boppart, explorado como profundamente aprender métodos pode fazer o tomografia óptico polarização-sensível da coerência, ou por PS-OCT, mais eficaz na redução de custos e equipado melhor para diagnosticar o cancro em tecidos biológicos.

O papel, intitulado “tomografia óptico polarização-sensível sintético da coerência profundamente aprendendo,” foi publicado na medicina de Digitas do npj.

Os sistemas de OUTUBRO são comuns clìnica e são usados para gerar imagens de secção transversal de alta resolução das regiões no corpo humano. Sun e sua equipe desenvolveram um método inovador de aplicar o software à ferramenta de OUTUBRO para fornecer capacidades polarização-sensíveis -; sem o custo e a complexidade que acompanham sistemas em relação com o hardware da imagem lactente de PS-OCT.

Nós estamos tentando substituir o hardware associado com o PS-OCT. Contudo, [ele] está ainda na fase da revelação e da pesquisa. Adicionando um modelo de aprendizagem profundo sobre um sistema de OUTUBRO, de repente nós chegamos em capacidades de PS-OCT sem o hardware adicionado tradicional.”

Yi “Edwin” candidato de Sun, de Ph.D. em elétrico e engenharia informática, Urbana-Campo das Universidades de Illinois

OUTUBRO é um teste não invasor da imagem lactente que use ondas claras para determinar as propriedades de uma amostra biológica. Contudo, permitindo a ferramenta usar a sensibilidade da polarização, os cientistas podem detectar a informação relevante que OUTUBRO não pode capturar no seus próprias. Por exemplo: OUTUBRO pode diferenciar o tecido de um modo que é preciso e quando as características maiores são claras; PS-OCT pode detectar anomalias em um nível mais profundo, diferenciando características microstructural tais como as orientações da fibra do colagénio que mudam em uma área cancro-contaminada comparada a uma área normal.

“Nós provamos que isso aplicar nosso método a outros sistemas pode gerar um contraste de PS-OCT, e que este modelo pode ser usado em muitos sistemas de OUTUBRO para nos ajudar a diferenciar tecidos do cancro e outros tipos de tecidos muito melhor do que sistemas de OUTUBRO apenas,” Sun disse. “Esta é uma melhoria enorme, fazendo este sistema melhor para diagnósticos do cancro.”

Profundamente aprendendo, um subconjunto da aprendizagem de máquina, permitido a equipe de Sun criar o software que pode se emparelhar com os sistemas de OUTUBRO para entregar a sensibilidade da polarização.

“Profundamente aprender permitiu um método mais avançado de pegarar características subtis nas imagens, que podem ser usadas para uma segmentação e uma classificação mais exactas. Igualmente permite que a ferramenta da imagem lactente use camadas múltiplas para pegarar características espaciais em uma imagem,” Sun disse.

Aplicando dados históricos, os métodos de aprendizagem profundos ajudam com diagnósticos exactos e mesmo previsões médicas. A equipe de Sun testou seu modelo prevendo que foto de uma floresta luxúria do verão pôde olhar como em dezembro: estéril, cinzento, talvez um conhecimento do gelo e da neve nas árvores. Com este conceito na mente, os sistemas das imagens desde outubro, acoplados com esta aproximação de aprendizagem profunda, podem mesmo prever as imagens de PS-OCT que viriam dos sistemas mais complexos e mais caros de PS-OCT.

Dado que Sun e a pesquisa da sua equipe eram um estudo pioneiro, pode tomar alguns anos, e uma abundância de dados, para que PS-OCT sintético alcance as fases clínicas. Uma vez que faz, os clínicos podem poder aplicar este modelo aos sistemas comerciais e ter uma capacidade maior para detectar o cancro, usando as imagens geradas PS-OCT para ajudar no diagnóstico do cancro.

De “o estudo Edwin destaca verdadeiramente a potência e o potencial do AI e profundamente da aprendizagem aproxima-se para prever e gerar as imagens sintéticas das imagens padrão de OUTUBRO, um tipo de PS-OCT de tradução da imagem-à-imagem. Com o uso crescente de OUTUBRO através dos campos médicos, este avanço terá provavelmente um impacto largo, e ajuda-o finalmente a melhorar a detecção e diagnóstico da doença,” disse Boppart, o conselheiro da tese do Ph.D. de Sun que é um médico e professor de UIUC da engenharia.

Esta pesquisa foi apoiada na parte por concessões do instituto nacional para o cancro e dos institutos de saúde nacionais.

Source:
Journal reference:

Sun, Y., et al. (2021) Synthetic polarization-sensitive optical coherence tomography by deep learning. npj Digital Medicine. doi.org/10.1038/s41746-021-00475-8.