人工智能使视网膜成像速度比人工成像快100倍

　　

美国国立卫生研究院的研究人员将人工智能(AI)应用于一种技术，该技术可以产生眼睛细胞的高分辨率图像。他们报告说，有了人工智能，成像速度提高了100倍，图像对比度提高了3.5倍。他们说，这一进展将为研究人员提供更好的工具来评估与年龄相关的黄斑变性(AMD)和其他视网膜疾病。

“人工智能有助于克服视网膜成像细胞的一个关键限制，那就是时间，”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。

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。像超声波一样，OCT是非侵入性的、快速的、无痛的，是大多数眼科诊所的标准设备。

用AO-OCT成像RPE细胞带来了新的挑战，包括一种叫做斑点的现象。斑点对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，图像的某些部分都可能被遮挡。管理斑点有点类似于管理云覆盖。研究人员在很长一段时间内反复对细胞进行成像。随着时间的推移，斑点移动，这使得细胞的不同部分变得可见。然后，科学家们进行了一项费力而耗时的任务，将许多图像拼凑在一起，以创建无斑点的RPE细胞图像。

Tam和他的团队开发了一种新的基于人工智能的方法，称为并行判别器生成状语网络(P-GAN)——一种深度学习算法。通过向P-GAN网络提供近6000张人工分析的ao - oct获取的人类RPE图像，每张图像都与其相应的斑点原始图像配对，团队训练网络识别和恢复斑点模糊的细胞特征。

当在新图像上进行测试时，P-GAN成功地去斑了RPE图像，恢复了细胞细节。通过一次图像捕获，它生成的结果与手动方法相当，手动方法需要获取120张图像并取平均值。通过各种客观的性能指标来评估细胞的形状和结构，P-GAN优于其他人工智能技术。NEI临床和转化成像部门的博士后Vineeta Das博士估计，P-GAN将成像采集和处理时间缩短了约100倍。P-GAN也产生了更大的对比度，大约比以前高3.5倍。

“自适应光学将基于oct的成像提升到了一个新的水平，”Tam说。“这就像从阳台的座位移动到前排的座位来成像视网膜。有了AO，我们可以在细胞尺度分辨率下揭示3D视网膜结构，使我们能够放大疾病的早期迹象。”

虽然在OCT中添加AO可以提供更好的细胞视图，但在捕获后处理AO-OCT图像所需的时间要比不添加AO的OCT长得多。

Tam的最新研究以视网膜色素上皮(RPE)为目标，RPE是感光视网膜后面的一层组织，支持代谢活跃的视网膜神经元，包括光感受器。视网膜排列在眼睛的后部，捕捉、处理并将进入眼睛前部的光转化为信号，然后通过视神经传递到大脑。科学家们对RPE很感兴趣，因为当RPE破坏时，许多视网膜疾病就会发生。

通过将AI与AO-OCT相结合，Tam认为已经克服了使用AO-OCT进行常规临床成像的主要障碍，特别是对于传统上难以成像的影响RPE的疾病。

Tam说:“我们的研究结果表明，人工智能可以从根本上改变图像的捕捉方式。”“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、功能和病理生理的研究。将人工智能视为整个成像系统的一部分，而不是仅在捕获图像后才应用的工具，这是人工智能领域的范式转变。”