دستاورد محققان دانشگاه تهران در زمینه تشخیص خودکار بیماریهای چشم
تاریخ انتشار: ۳ اسفند ۱۴۰۱ | کد خبر: ۳۷۱۷۴۳۸۱
به گزارش خبرگزاری مهر به نقل از دانشگاه تهران، پژوهشگران دانشکده مهندسی برق و کامپیوتر دانشگاه تهران به سرپرستی دکتر حمید سلطانیانزاده، رئیس آزمایشگاه مهندسی پزشکی، برای طبقهبندی خودکار تصاویر مقطعنگاری همدوسی اپتیکی در بیماران مبتلا به دژنراسیون وابسته به سن ماکولا Age-related Macular Degeneration (AMD) روشی خودکار توسعه دادهاند.
بیشتر بخوانید:
اخباری که در وبسایت منتشر نمیشوند!
حمید سلطانیانزاده در توضیح اهمیت این یافته پزشکی گفت: تشخیص خودکار بیماریهای چشمی یکی از حوزههای فعال تحقیقات در آنالیز تصاویر پزشکی است و دژنراسیون وابسته به سن ماکولا یکی از انواع بیماریهای چشمی و متداولترین دلیل نابینایی در کشورهای توسعهیافته به خصوص در افراد بالای ۶۰ سال است. استفاده گسترده از تصویربرداری در سالهای اخیر، افزایش جمعیت سالخورده، و همچنین ماهیت مزمن این بیماری بار کاری متخصصین چشمپزشکی و سیستم سلامت را افزایش داده است. از طرف دیگر، توسعههای صورت گرفته در هوش مصنوعی و یادگیری عمیق، فرصتی مناسب برای طراحی سیستمهای خودکار تشخیصی به وجود آورده است.
استاد دانشگاه تهران افزود: در این طرح، الگوریتمی نوین طراحی شده است که از یک ساختار کانولوشنی چند مقیاسه مبتنی بر شبکه های هرمی ویژگی برای جداسازی افراد سالم و دو حالت بیماری یعنی دروزن و نئواسکولاریزاسیون کروئیدی بهره میبرد. این شبکهها در کاربردهای بخشبندی تصاویر و تشخیص اشیا مورد استفاده قرار گرفتهاند اما در این پژوهش، با انجام تغییرات ساختاری، آنها را برای طبقهبندی مورد استفاده قرار دادهایم. استفاده از ساختار چند مقیاسه در طراحی این شبکه باعث میشود تا ویژگیهای غیرقابل تشخیص در یک مقیاس، در مقیاسی دیگر بررسی شوند که موجب افزایش دقت طبقهبندی میشود.
رئیس آزمایشگاه مهندسی پزشکی دانشگاه تهران با بیان اینکه این یافته حاصل یک همکاری بینرشتهای است، اظهار داشت: برای آموزش و ارزیابی عملکرد ساختار پیشنهادی، یک مجموعه از دادههای ملی شامل بیش از ۲۰ هزار تصویر شبکیه چشم از ۴۴۱ بیمار مراجعهکننده به یک بیمارستان فوق تخصصی چشم پزشکی در تهران جمعآوری شد و توسط متخصص چشم پزشک برچسبگذاری شد
وی بیان کرد: به منظور برطرف کردن مشکل توزیع غیریکسان دادهها از تابع هزینه آنتروپی متقاطع چند کلاسه وزندار استفاده کردیم و ساختاری چند مقیاسه طراحی شد تا دقت دستهبندی بالاتری نسبت به مدل پایه داشته باشد. همچنین با تنظیم تعداد هرمهای ویژگی ترکیبشده، دقت را افزایش دادیم. از تأثیر مثبت پیش آموزش تدریجی بر عملکرد بهترین مدل هم استفاده کردیم و در نهایت به دقت بالای ۹۳ درصد رسیدیم.
وی افزود: به منظور ایجاد تفسیرپذیری نتایج، نقشههای گرمایی را رسم کردیم. رسم نقشههای گرمایی باعث مشخص شدن ناحیه تصمیم شبکه شده و اعتماد بیمار و پزشک متخصص را به روشهای مبتنی بر هوش مصنوعی افزایش میدهد.
سلطانیانزاده گفت: سامان ستودهپیما و عطاالله جدیری از دانشجویان همکار در این طرح بودند.
کد خبر 5715532 مهتاب چابوکمنبع: مهر
کلیدواژه: محققان ایرانی دانشگاه تهران بیماری چشمی فناورانه و پژوهشی معاونت علمی فناوری و اقتصاد دانش بنیان ریاست جمهوری همراه اول هکرها امنیت اطلاعات شرکت دانش بنیان هوش مصنوعی حاکمیت سایبری زلزله فیس بوک فناوری نانو نوآوری فناوری فضایی تحقیقات علمی کسب و کارهای اینترنتی دانشگاه تهران
درخواست حذف خبر:
«خبربان» یک خبرخوان هوشمند و خودکار است و این خبر را بهطور اتوماتیک از وبسایت www.mehrnews.com دریافت کردهاست، لذا منبع این خبر، وبسایت «مهر» بوده و سایت «خبربان» مسئولیتی در قبال محتوای آن ندارد. چنانچه درخواست حذف این خبر را دارید، کد ۳۷۱۷۴۳۸۱ را به همراه موضوع به شماره ۱۰۰۰۱۵۷۰ پیامک فرمایید. لطفاً در صورتیکه در مورد این خبر، نظر یا سئوالی دارید، با منبع خبر (اینجا) ارتباط برقرار نمایید.
با استناد به ماده ۷۴ قانون تجارت الکترونیک مصوب ۱۳۸۲/۱۰/۱۷ مجلس شورای اسلامی و با عنایت به اینکه سایت «خبربان» مصداق بستر مبادلات الکترونیکی متنی، صوتی و تصویر است، مسئولیت نقض حقوق تصریح شده مولفان در قانون فوق از قبیل تکثیر، اجرا و توزیع و یا هر گونه محتوی خلاف قوانین کشور ایران بر عهده منبع خبر و کاربران است.
خبر بعدی:
هوش مصنوعی آرتروز زانو را ۸ سال زودتر تشخیص میدهد
به گزارش خبرگزاری علم و فناوری آنا به نقل از اینترستینگ اینجینرینگ، آرتروز (OA) به عنوان یکی از شایعترین اشکال التهاب مفاصل شناخته میشود که تقریباً توسط ۳۵ میلیون بزرگسال درآمریکا با آن مواجه هستند. متأسفانه هنوز درمانی برای این بیماری وجود ندارد، اما تلاشها برای پیدا کردن تراپیهای جدید در حال انجام است.
در حال حاضر، یک مطالعه جدید توانسته راهحلی جایگزین ارائه دهد که میتواند بیماری را سالها قبل از ظاهر شدن علائم به قربانی تشخیص دهد.
متخصصان توانستند با استفاده از یک آزمایش بیومارکر خون، آغاز آرتروز زانو را تا هشت سال قبل از زمانی که یک پرتو ایکس به طور معمول پیشبینی میکرد، پیشبینی کنند.
تشخیص بیماری سالها قبل از بروز علائم
با استفاده از هوش مصنوعی، محققان نمونههای سرم افراد تجزیه و تحلیل کردند تا پپتیدهای خاصی که مرتبط با پروتئینها هستند و نشاندهنده تغییرات مولکولی زودهنگام مرتبط با آرتروزهستند، شناسایی کنند.
این آزمایش توانست تشخیصهای سنتی را در بیماران، سالها قبل از بروز ناهنجاریهای رادیوگرافی شناسایی کند.
۶ پروتئین موجود در سرم به دانشمندان کمک کرد تا تمایز بین افرادی که به آرتروزمبتلا شدهاند و آنهایی که تا ۸ سال بعد با احتمال ۷۷ درصد به این بیماری مبتلا میشوند تشخیص دهند.
ویرجینیا بایرز کراوس، نویسنده ارشد این مقاله میگوید: «در حال حاضر، برای نشان دادن شواهد واضح از آرتروز زانو، باید عکسبرداری اشعه ایکس انجام دهید، و زمانی که بیماری شما در این روش تشخیص داده شود، بیماری شما برای مدتی در حال پیشرفت است.
وی افزود: آنچه آزمایش خون ما نشان میدهد این است که تشخیص این بیماری خیلی زودتر از مجوز تشخیص فعلی ما امکان پذیر است.
تحلیل نمونههای سرم ۲۰۰ زن سفیدپوست
نشانگرهای زیستی یا بیومارکرها، تغییرات مولکولی را که در بافت مفصل اتفاق میافتند، قبل از اینکه آسیب ساختاری در اشعه ایکس قابل توجه باشد، نشان دادند. این امر حتی قبل از بروز علائم بالینی مانند زانو درد نیز آشکار است.
به منظور شناسایی پپتیدهای سرم از ۲۰۰ زن سفیدپوست نمونه سرم گرفته شد. نیمی از این زنان قبلاً مبتلا به آرتروز تشخیص داده شده بودند.
آنها خاطرنشان کردند که استفاده از سن و شاخص توده بدنی (BMI) برای پیش بینی آرتروزکافی نیست، زیرا ناحیه زیر منحنی (AUC) ۵۱ درصد را نشان میدهد و وقتی درد زانو در نظر گرفته شد، این مقدار به ۵۷ درصد رسید.
درحالی که با استفاده از تست نشانگر زیستی ناحیه زیر منحنی ۷۷ درصد بود که نشان دهنده اثربخشی بیشتر این روش نسبت به سایر روشهای موجود است.
با شناسایی نشانگرهای زیستی خون که میتوانند آرتروز را قبل از ظهور این علائم سنتی پیش بینی کنند، میتوان مداخلات پزشکی را زودتر شروع کرد و پیشرفت بیماری را کاهش داد.
هدف محققان ابداع این راه حل برای اهداف تشخیصی بالینی و همچنین یک ابزار تحقیقاتی بود. علاوه بر این، آزمایش نشانگر زیستی میتواند به تولید داروهای موثر برای درمان آرتروز کمک کند.
کراوس خاطرنشان کرد: این مهم است، زیرا شواهد بیشتری ارائه میدهد که ناهنجاریهایی در مفصل وجود دارد که میتوانند توسط نشانگرهای زیستی خون قبل از تشخیص آرتروز توسط اشعه ایکس شناسایی شوند. آرتروز در مراحل اولیه میتواند «پنجرهای از فرصت» برای توقف روند بیماری و بازیابی سلامت مفاصل فراهم کند.
انتهای پیام/