۰ نفر

روش جدید برای تشخیص دقیق ضایعات مغزی با هوش مصنوعی

۲۰ آبان ۱۴۰۰، ۹:۰۰
کد خبر: 579700
روش جدید برای تشخیص دقیق ضایعات مغزی با هوش مصنوعی

دانشمندان با استفاده از هوش مصنوعی موفق شدند به روش جدیدی برای تشخیص دقیق ضایعات مغزی دست یابند.

به گزارش مدیکال اکسپرس، سونوگرافی متمرکز از طریق جمجمه می‌تواند برای درمان اختلالات حرکتی دژنراتیو، درد غیرقابل درمان و اختلالات روانی با ارائه انرژی اولتراسوند به ناحیه خاصی از مغز بدون باز کردن جمجمه مورد استفاده قرار گیرد. این درمان باید با فناوری مبتنی بر تصویر انجام شود که بتواند محل ضایعات مغزی را مشخص کند. پزشکان معمولا از CT برای به دست آوردن اطلاعاتی در مورد جمجمه بیمار و نیز برای تمرکز دقیق سونوگرافی روی ضایعات از طریق جمجمه استفاده می‌کنند که تشخیص آن به تنهایی با MRI ممکن  نیست،  با این حال، نگرانی‌هایی در مورد ایمنی سی تی اسکن وجود داشته است که طی آن قرار گرفتن در معرض اشعه به خصوص در کودکان و بیماران باردار اجتناب ناپذیر است.

به گزارش اقتصادآنلاین به نقل از باشگاه خبرنگاران؛ تیم دکتر هیونگمین کیم در مرکز تحقیقات بیونیک در مؤسسه علم و فناوری کره (KIST، رئیس سوک جین یون) یک فناوری هوش مصنوعی برای تولید تصاویر سی تی بر اساس تصاویر MRI توسعه و یک آزمایش شبیه سازی انجام دادند. نتایج نشان داد که روش اولتراسوند متمرکز ترانس کرانیال را می‌توان تنها با MRI انجام داد.

تلاش‌هایی برای به دست آوردن اطلاعات جمجمه از تصاویر MRI انجام شده است، اما سیم پیچ‌های ویژه‌ای برای MRI یا پروتکل‌های تصویربرداری که به طور گسترده در زمینه پزشکی در دسترس نیستند مورد نیاز است. به عنوان جایگزین، علاقه به دستیابی به تصاویر CT مبتنی بر هوش مصنوعی در سراسر جهان زیاد بوده است، اما اثربخشی بالینی آن‌ها ثابت نشده است. تیم تحقیقاتی KIST ثابت کرد تصاویر CT بدست آمده توسط هوش مصنوعی دارای کاربرد بالینی هستند.

تیم تحقیقاتی KIST یک شبکه مولد متخاصم شرطی سه بعدی ایجاد کرد که فرآیند تبدیل غیرخطی CT را از تصاویر MRI با وزن T۱، در میان رایج‌ترین انواع مورد استفاده در زمینه پزشکی، می‌آموزد. تیم یک تابع از دست دادن ابداع کرد که خطای تغییر پیکسل واحد هانسفیلد تصاویر CT را به حداقل می‌رساند و همچنین عملکرد شبکه عصبی را با مقایسه تغییرات کیفیت تصاویر CT مصنوعی با توجه به روش‌های عادی سازی سیگنال‌های تصویر MRI، مانند Z، بهینه می‌کند.

برای درمان ایمن و موثر اولتراسوند، درک نسبت تراکم جمجمه و ضخامت جمجمه هر بیمار از قبل ضروری است و زمانی که این فاکتور‌های جمجمه از طریق CT مصنوعی به دست آمد، هر دو عامل ارتباط >۰.۹۰ را با CT واقعی نشان دادند. تفاوت آماری معنی داری وجود نداشت. علاوه بر این هنگامی که درمان شبیه سازی اولتراسوند انجام شد، فاصله کانونی اولتراسوند خطای کمتر از ۱ میلی متر، اوج فشار آکوستیک داخل جمجمه‌ای تقریبا ۳.۱ ٪ خطا داشت و شباهت حجم کانونی تقریبا ۸۳ ٪ بود. این نشان داد که سیستم درمان اولتراسوند متمرکز ترانس کرانیال را می‌توان تنها با تصویر MRI انجام داد.

دکتر هیونگمین کیم از KIST گفت: بیماران می‌توانند بدون نگرانی در مورد قرار گرفتن در معرض تشعشع، درمان متمرکز سونوگرافی دریافت کنند و از آنجایی که فرآیند‌های تصویربرداری و تراز اضافی را می‌توان حذف کرد، این کار باعث کاهش حجم کاری کارکنان می‌شود که منجر به کاهش زمان و هزینه‌های اقتصادی می‌شود. وی همچنین اظهار کرد: با بررسی‌های بعدی در زمینه شناسایی خطای مربوط به پارامتر‌های اولتراسوند و مبدل‌ها و درک امکان کاربرد سی تی هوش مصنوعی در قسمت‌های مختلف بدن، در نظر داریم به توسعه فناوری برای کاربرد آن در درمان‌های مختلف ادامه دهیم.