2021年5月28日,北卡罗来纳州杜伦市,自适应光学和神经网络的结合具有潜力,可以更好地诊断和监测损害神经元的眼和脑疾病,例如青光眼。这种组合是杜克大学生物医学工程师作为多机构联盟的领导者开发的人工智能驱动过程的一部分,该联盟可以轻松准确地跟踪眼睛中视网膜神经节细胞的数量和形状。


神经节细胞是眼睛中处理视觉信息并向大脑发送视觉信息的主要神经元之一。在许多神经退行性疾病中,如青光眼,神经节细胞退化和消失,导致不可逆的失明。OCT 是一种基于光的成像技术,可以在眼组织层下成像,以诊断和跟踪此类疾病的进展。然而,该技术的灵敏度仅足以显示细胞层的厚度——它缺乏揭示单个神经节细胞所需的灵敏度。这阻碍了早期诊断或快速跟踪疾病进展的能力,因为需要大量神经节细胞消失,医生才能看到厚度的变化。


在他们的工作中,合作研究人员使用自适应光学 OCT (AO-OCT) 以查看单个神经节细胞所需的灵敏度进行成像。作为一项独立技术,自适应光学可最大限度地减少检查眼睛时发生的光学像差的影响。这些像差是在 OCT 成像中实现高分辨率能力的主要限制因素。

基于光的成像技术可以更好地监测损害神经元的眼脑疾病

AO-OCT 生成的图像(顶部),以及用于识别和追踪眼睛中神经节细胞形状的 WeakGCSeg 算法的结果(底部),由杜克生物医学工程提供


杜克大学生物医学工程教授 Sina Farsiu 指出,虽然 AO-OCT 可以更容易地诊断神经退行性疾病,但是,更高分辨率会产生大量数据,这对使用该方法进行图像分析造成了瓶颈。


研究人员的新论文中介绍的问题的解决方案使用高度自适应且易于训练的基于深度学习的算法来识别和追踪 AO-OCT 扫描中神经节细胞的形状。


开发的算法是第一个执行这种识别和追踪的算法。研究人员将该算法纳入 WeakGCSeg 方法,以分析来自健康受试者和青光眼患者视网膜的 AO-OCT 数据。该框架有效且准确地从两个样本中分割出神经节细胞,并根据存在的神经节细胞的数量和大小确定哪些样本来自青光眼。


Farsiu 实验室的博士后研究员 Soltanian-Zadeh 说:“我们的实验结果表明,WeakGCSeg 实际上优于人类专家,并且优于其他可以处理体积生物医学图像的最先进网络。 除了诊断之外,该团队认为该方法将使神经退行性疾病治疗的临床试验更容易进行。”


例如,在一项测试青光眼疗法的研究中,WEAKGCSeg 可用于查看与研究中使用的对照组相比,该疗法是否减缓了细胞退化。仅使用 OCT,任何变化的第一个迹象都需要数百或数千个细胞死亡,这可能需要数月或数年。

基于光的成像技术可以更好地监测损害神经元的眼脑疾病

该方法的下一步涉及与FDA,印第安纳大学和马里兰大学的合作者将其应用于更大范围的患者。该团队还希望将 WeakGSeg 扩展到不同的细胞类型,如光感受器,以及其他眼部疾病,如视网膜色素变性。研究表明神经节细胞层的改变与中枢神经系统疾病有关,例如阿尔茨海默氏病,帕金森氏病和ALS,Farsiu表示,这种发达的技术既可以进一步研究这种联系,也有可能发现生物标记物以改善诊断和治疗。


该研究发表在Optica 上。



免责声明

我来说几句

不吐不快,我来说两句
最新评论

还没有人评论哦,抢沙发吧~