QUT-Forschern angewendet haben, die künstliche Intelligenz (KI) deep-learning-Techniken zu entwickeln, die eine genauere und detaillierte Methode für die Analyse der Bilder von der Rückseite des Auges zu helfen, die ärzte besser zu erkennen und zu verfolgen Augenerkrankungen, wie Glaukom und Alters-Makula-degeneration.
Die Ergebnisse der Studie wurden veröffentlicht in Nature Scientific Reports.
Studie führen Autor QUT Senior Research Fellow Dr. David Alonso-Caneiro, von der Faculty of Health, School of Optometry and Vision Science, sagte, hatte das team untersucht eine Reihe von state-of-the-art-deep-learning-Techniken zu analysieren, die Optische Kohärenz-Tomographie (OCT) Bilder.
OCT ist ein gemeinsames instrument verwendet, bei Optikern und Augenärzten. Es dauert Schnittbilder des Auges, die zeigen, die verschiedene Gewebeschichten. Diese Bilder sind in hoher Auflösung—etwa 4 Mikrometer; viel weniger als zum Beispiel ein menschliches Haar ist etwa 100 Mikrometer dick.
Dr. Alonso-Caneiro sagte mit OCT-Scans zu anzeigen und überwachen der Dicke der Gewebeschichten im Auge kann helfen, die ärzte erkennen, Erkrankungen des Auges.
„In unserer Studie, suchten wir nach einer neuen Methode, die Analyse der Bilder und der Extraktion von zwei Haupt-Gewebeschichten an der Rückseite des Auges, der Netzhaut und Aderhaut, mit besonderem Interesse an der Aderhaut,“ sagte er.
„Die Aderhaut ist der Bereich zwischen der Netzhaut und Sklera und enthält die größeren Blutgefäße, die Nährstoffe und Sauerstoff an das Auge.
„Die standard-imaging-processing-Techniken mit OCT definieren und zu analysieren, das retinale Gewebe Schichten gut, aber nur sehr wenige klinische OCT-Geräten eine software, analysiert der choroidalen Gewebe.
„So bildeten wir ein deep learning network-lernen die wichtigsten Funktionen der Bilder und eine präzise und automatisch definieren die Grenzen der Aderhaut und der Netzhaut.“
Das team gesammelt OKT chorio-retinal eye-scans von einem 18-Monate-Längsschnitt-Studie mit 101 Kindern mit gutes Sehvermögen und gesunde Augen, und verwendet diese Bilder zu trainieren, das Programm Muster zu erkennen und zu definieren, die Aderhaut Grenzen.
Sie verglichen, was Sie entwickelt mit standard-Methoden der Bildanalyse und fanden Ihr Programm zuverlässig und präzise.
„In der Lage zu analysieren OCT-Bilder hat sich verbessert unser Verständnis des augengewebes Veränderungen, die mit normalen Auge Entwicklung, Altern, Fehlsichtigkeiten und Augenerkrankungen,“ Dr. Alonso-Caneiro sagte.
„Mehr haben zuverlässige Informationen, die von diesen Bildern von der Aderhaut, die unser Programm bietet, ist wichtig, klinisch und auch für die Förderung unseres Verständnisses des Auges durch Forschung.
„Wir fühlen unsere Methoden könnte ein Weg zu einer besseren Karte und monitor Veränderungen in der Aderhaut-Gewebe, und möglicherweise diagnostizieren Augenerkrankungen früher.“
Dr. Alonso-Caneiro sagte, das neue Programm waren gemeinsam mit eye Forscher in Australien und im Ausland, und es sei zu hoffen, dass die Hersteller von kommerziellen OCT-Geräten interessiert sein könnte, es auch umzusetzen.