北卡罗来纳州达勒姆市-光学相干断层扫描(OCT),自适应光学和深度神经网络的新组合应能更好地诊断和监测损害神经元的眼和脑疾病,例如青光眼。
杜克大学的生物医学工程师领导了一个由多机构组成的联盟来开发该过程,该过程可以轻松而精确地跟踪眼睛中视网膜神经节细胞的数量和形状的变化。
这项工作发表在5月3日的Optica杂志上的一篇论文中。
眼睛的视网膜是中枢神经系统的延伸。神经节细胞是眼睛中处理并向大脑发送视觉信息的主要神经元之一。在许多青光眼等神经退行性疾病中,神经节细胞退化并消失,导致不可逆转的失明。传统上,研究人员使用OCT(一种类似于超声的成像技术,使用光而不是声音)窥视眼组织的各层,以诊断和跟踪青光眼和其他眼部疾病的进展。
尽管OCT使研究人员可以有效地观察视网膜中的神经节细胞层,但该技术仅能灵敏地显示出细胞层的厚度,而不能揭示单个神经节细胞。这阻碍了疾病的早期诊断或快速追踪,因为在医生看到厚度变化之前,大量的神经节细胞需要消失。
为了解决这个问题,一种称为自适应光学OCT(AO-OCT)的最新技术使成像足够灵敏,可以查看单个神经节细胞。自适应光学是一项技术,可将检查眼睛时出现的光学像差的影响降至最低,而光学像差是在OCT成像中实现高分辨率的主要限制因素。
杜克大学生物医学工程学教授Sina Farsiu表示:“这种更高的分辨率使诊断神经退行性疾病更加容易。“但是它还会产生大量数据,以至于图像分析已成为在眼和脑研究中广泛使用这种潜在改变游戏规则的技术的主要瓶颈。”
Farsiu和Farsiu实验室的博士后研究员Somayyeh Soltanian-Zadeh在他们的新论文中,通过开发一种高度自适应且易于训练的基于深度学习的算法来设计该问题的解决方案,该算法是第一个识别和跟踪算法的。 AO-OCT扫描显示神经节细胞的形状。
标签: AI
免责声明:本文由用户上传,如有侵权请联系删除!