陕西
美国国立卫生研究院的研究人员将人工智能 (AI) 应用于一种能够生成眼睛细胞高分辨率图像的技术。他们报告称，借助 AI，成像速度提高了 100 倍，图像对比度提高了 3.5 倍。他们表示，这一进展将为研究人员提供更好的工具来评估年龄相关性黄斑变性（AMD）和其他视网膜疾病。
美国国立卫生研究院国家眼科研究所临床和转化成像部门负责人Johnny Tam博士说：“人工智能有助于实现预测基因细胞的一个关键，即时间。”
Tam正在开发一种称为自适应光学（AO）的技术，以改进基于光学相干断层扫描（OCT）的成像设备。与探针一样，OCT是快速、无痛的，是大多数眼科诊所的标准设备。
使用 AO-OCT 对 RPE 细胞进行成像面临着新的挑战，其中包括一种称为散斑的现象。散斑对 AO-OCT 的干扰就像云对航空摄影的干扰一样。在任何给定时刻，图像的某些部分可能会被重叠。管理散斑有点类似于管理云层。研究人员在很长一段时间内反复对细胞进行推理。随着时间的推移，出现会发生变化，从而使细胞的不同部分然后，科学家们承担了将许多图像拼凑在一起的费力和运行的任务，以创建无溶解的 RPE 细胞图像。
Tam 和他的团队开发了一种基于人工智能的新型方法，称为精度判别器生成状语网络（P-GAN），这是一种深度学习算法。通过向 P-GAN 网络提供近 6000 张手动分析AO-OCT采集的人类RPE图像（每张图像都配有相应的溶液原始图像扩增），团队训练网络识别和恢复溶液模糊的细胞特征。
在新图像上进行测试时，P-GAN成功达到了RPE图像的显示，恢复了细胞细节。通过一张图像捕获，其生成的结果与手动方法相当，手动方法需要采集120张图像并其求凭借评估细胞形状和结构等各种侦查性能指标，P-GAN 的性能超越其他人工智能技术。 NEI 临床和转化结论部门的博士后 Vineeta Das 博士估计，P-GAN 将采集结论和处理时间减少了约100倍。P-GAN还产生了更大的解决，比之前高出约3.5。
Tam 说：“自适应光学将基于 OCT 的推理提升到了一个新的水平。”“这就像从沙发座位移动到前排座位来对未来进行推理一样。借助 AO，我们可以以细胞级分辨率显示3D 疾病结构，使我们能够放大早期疾病。”
虽然将 AO 添加到 OCT 上可以提供更好的细胞视图，但在捕获 AO-OCT 图像后进行处理根本不使用 AO 的 OCT 花费更长的时间。
Tam 的最新研究目标是色素上皮 (RPE)，这是传递前方眼睛的一层组织，支持激活激活的驱动神经元，包括光感受器。将其转换为信号，然后通过视神经传输到大脑。科学家们对 RPE 很感兴趣，因为许多晚期疾病都是在 RPE 损坏时发生的。
Tam认为，通过将AI与AO-OCT相结合，利用AO-OCT进行常规临床理论的一个主要障碍已经被克服，特别是对于RPE的疾病，这种疾病传统上很难得出结论。
“我们的结果表明人工智能可以从根本上改变图像的捕获方式，”谭说。 “我们的 P-GAN 人工智能将使 AO 成像更容易用于常规临床应用以及旨在了解致盲性视网膜疾病的结构、功能和病理生理学的研究。将人工智能视为整个成像系统的一部分，而不是一种仅在捕获图像后才应用的工具，是人工智能领域的范式转变。”
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
