دستاورد محققان دانشگاهی در تشخیص خودکار بیماریهای چشمی
تاریخ انتشار: ۳ اسفند ۱۴۰۱ | کد خبر: ۳۷۱۷۵۳۶۷
محققان دانشگاه تهران در زمینه تشخیص خودکار بیماریهای چشمی موفق به طراحی الگوریتمی نوین و توسعه روشی برای طبقهبندی خودکار و مبتنی بر یادگیری عمیق تصاویر مقطعنگاری همدوسی اپتیکی در بیماران مبتلا به دژنراسیون وابسته به سن ماکولا شدند.
به گزارش ایسنا، 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 را توسعه دادهاند.
بیشتر بخوانید:
اخباری که در وبسایت منتشر نمیشوند!
دکتر 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 شبکههای هرمی ویژگی برای جداسازی افراد سالم و دو حالت بیماری یعنی در وزن و نئواسکولاریزاسیون کروئیدی بهره میبرد. این شبکهها در کاربردهای بخشبندی تصاویر و تشخیص اشیاء 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 کرد: 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. 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.
دکتر سلطانیانزاده گفت: سامان ستودهپیما و عطاالله جدیری از دانشجویان همکار در این طرح بودند.
انتهای پیام
منبع: ایسنا
کلیدواژه: دانشگاه تهران جهاد دانشگاهی دانشگاه تهران ChatGPT ايستگاه فضايي بين المللي دکتر روح الله دهقانی فیروزآبادی دانشگاه سبطین فناوري اطلاعات جهاد دانشگاهی دانشگاه تهران ChatGPT ايستگاه فضايي بين المللي بیماری های چشمی دانشگاه تهران طبقه بندی
درخواست حذف خبر:
«خبربان» یک خبرخوان هوشمند و خودکار است و این خبر را بهطور اتوماتیک از وبسایت www.isna.ir دریافت کردهاست، لذا منبع این خبر، وبسایت «ایسنا» بوده و سایت «خبربان» مسئولیتی در قبال محتوای آن ندارد. چنانچه درخواست حذف این خبر را دارید، کد ۳۷۱۷۵۳۶۷ 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:
آزمایش خون ممکن است اماس زودرس را تشخیص دهد
متخصصان در تاریخ ۱۹ آوریل در مجله Nature Medicine گزارش دادند در یک مورد از هر ۱۰ مورد ابتلا به ام اس، بدن سالها قبل از شروع علائم، شروع به تولید مجموعه مشخصی از آنتی بادیها در خون میکند.
متخصصان دریافتند این الگوی آنتی بادی ۱۰۰ درصد تشخیص ام اس را پیش بینی میکند. هر بیمار حامل این مجموعه از آنتی بادیها به ام اس مبتلا شد.
آنها امیدوارند این آنتی بادیها روزی مبنای یک آزمایش خون ساده برای غربالگری ام اس باشند.
دکتر «مایکل ویلسون»، متخصص ارشد مغز و اعصاب از دانشگاه کالیفرنیا، سانفرانسیسکو (UCSF) گفت: در چند دهه اخیر، حرکت در زمینه درمان ام اس جدیتر و قویتر صورت گرفته است.
ام اس زمانی رخ میدهد که سیستم ایمنی بدن به سیستم عصبی مرکزی حمله میکند و به غلاف محافظ اطراف رشتههای عصبی به نام میلین آسیب میرساند. این امر سیگنالهای ورودی و خروجی مغز را مختل میکند و باعث بروز علائم مختلفی میشود که حواس را مختل کرده و بر توانایی حرکت تأثیر میگذارد.
برای این مطالعه، متخصصان نمونههای خون گرفته شده از ۲۵۰ بیمار مبتلا به ام اس را که قبل و بعد از تشخیص آنها جمع آوری شده بود، غربالگری و آنها را با نمونه خون افراد سالم مقایسه کردند.
متخصصان تصور میکردند با مشاهده اولین علائم بیماری در بیماران ام اس، شاهد جهش در آنتیبادیها خواهند بود.
در عوض، آنها دریافتند که ۱۰ درصد از بیماران ام اس سالها قبل از تشخیص، سطوح بالایی از آنتی بادیهای اتوآنتی بادی - آنتی بادیهایی که میتوانند به خود بدن حمله کنند – داشتند.
به گزارش نشریه تخصصی «مدیکال اکسپرس»، هنوز مشخص نیست که چه چیزی باعث ام اس در ۹۰ درصد دیگر بیماران میشود، اما متخصصان بر این باورند که آنها اکنون یک علامت هشدار اولیه قطعی مبنی بر بروز این بیماری، دارند.
علائم ام اس میتواند حاد یا مزمن باشد و از فردی به فرد دیگر متفاوت است. مهم این است که از علائم مختلف این بیماری آگاه بود. علائم بیماری ام اس ممکن است شامل موارد زیر باشد:
- مشکلات حرکتی مانند احساس خستگی یا ضعف هنگام راه رفتن، صحبت کردن یا بلعیدن
- گزگز یا بی حسی در اندامها
- اختلال عملکرد مثانه و روده
- اختلال شناختی
- تغییرات خلقی یا افسردگی
- لرزش یا اسپاسم
- سرگیجه
- اختلال بینایی
در موارد شدید، افراد مبتلا به اماس ممکن است دچار نابینایی و یا فلج شوند.
در حال حاضر هیچ درمان شناخته شدهای برای اماس وجود ندارد. بنابراین، مدیریت علائم، فاکتوری ضروری برای داشتن یک زندگی سالم همراه با این بیماری است. پزشک ممکن است بسته به شدت علائم بیماری درمانهای استروئیدی، تزریق خون یا فیزیوتراپی را انتخاب کند.
منبع: ایسنا
باشگاه خبرنگاران جوان علمی پزشکی بهداشت و درمان