Maskinlæring øger opløsningen af ​​øjenbilledteknologi

Biomedicinske ingeniører ved Duke University har udtænkt en metode til at øge opløsningen af ​​optisk kohærenstomografi (OCT) ned til en enkelt mikrometer i alle retninger, selv hos en levende patient. Den nye teknik, kaldet optisk kohærens refraktionstomografi (OCRT), kunne forbedre medicinske billeder opnået i OCT-industrien med mange milliarder dollar til medicinske områder lige fra kardiologi til onkologi.

Resultaterne vises i et papir offentliggjort online den 19. august i tidsskriftet Naturfotonik .

"Et historisk problem med OCT er, at dybdeopløsningen typisk er flere gange bedre end den laterale opløsning, " sagde Joseph Izatt, Michael J. Fitzpatrick professor i ingeniørvidenskab ved Duke. "Hvis lagene af afbildede væv tilfældigvis er vandrette, så er de veldefinerede i scanningen. Men for at udvide OCT's fulde kraft til levende billeddannelse af væv i hele kroppen, en metode til at overvinde afvejningen mellem lateral opløsning og billeddybden var nødvendig."

OCT er en billeddannelsesteknologi analog med ultralyd, der bruger lys frem for lydbølger. En sonde skyder en lysstråle ind i et væv og, baseret på forsinkelserne af lysbølgerne, når de hopper tilbage, bestemmer grænserne for funktionerne indenfor. For at få et fuldstændigt billede af disse strukturer, processen gentages i mange vandrette positioner over overfladen af ​​det væv, der scannes.

Fordi OCT giver meget bedre opløsning af dybde end lateral retning, det fungerer bedst, når disse funktioner for det meste indeholder flade lag. Når genstande i vævet har uregelmæssige former, funktionerne bliver slørede, og lyset brydes i forskellige retninger, reducere billedkvaliteten.

Tidligere forsøg på at skabe OCT-billeder med høj lateral opløsning har været afhængig af holografi - møjsommeligt at måle det komplekse elektromagnetiske felt, der reflekteres tilbage fra objektet. Selvom dette er blevet påvist, fremgangsmåden kræver, at prøven og billedbehandlingsapparatet forbliver helt stille ned til nanometerskalaen under hele målingen.

"Dette er opnået i et laboratoriemiljø, " sagde Izatt, som også har en ansættelse i oftalmologi ved Duke University School of Medicine. "Men det er meget svært at opnå i levende væv, fordi de lever, træk vejret, flow og forandring."

I det nye blad, Izatt og hans doktorand, Kevin Zhou, tage en anden tilgang. I stedet for at stole på holografi, forskerne kombinerer OCT-billeder erhvervet fra flere vinkler for at udvide dybdeopløsningen til den laterale dimension. Hvert enkelt OCT-billede, imidlertid, bliver forvrænget af lysets brydning gennem uregelmæssigheder i cellerne og andre vævskomponenter. For at kompensere for disse ændrede stier, når de endelige billeder kompileres, forskerne havde brug for nøjagtigt at modellere, hvordan lyset bøjes, når det passerer gennem prøven.

For at opnå denne beregningspræstation, Izatt og Zhou henvendte sig til deres kollega Sina Farsiu, Paul Ruffin Scarborough Associate Professor of Engineering ved Duke, som har en lang historie med at bruge maskinlæringsværktøjer til at skabe bedre billeder til sundhedsapplikationer.

Arbejder med Farsiu, Zhou udviklede en metode, der bruger "gradient-baseret optimering" til at udlede brydningsindekset inden for de forskellige områder af væv baseret på multi-vinkel billederne. Denne tilgang bestemmer retningen, i hvilken den givne egenskab - i dette tilfælde brydningsindekset - skal justeres for at skabe et bedre billede. Efter mange gentagelser, algoritmen skaber et kort over vævets brydningsindeks, der bedst kompenserer for lysets forvrængninger. Metoden blev implementeret ved hjælp af TensorFlow, et populært softwarebibliotek skabt af Google til deep learning-applikationer.

"En af de mange grunde til, at jeg synes, dette arbejde er spændende, er, at vi var i stand til at låne værktøjer fra maskinlæringsfællesskabet og anvende dem ikke kun til efterbehandlede OCT-billeder, men også at kombinere dem på en ny måde og udtrække ny information, " sagde Zhou. "Jeg tror, ​​der er mange anvendelser af disse deep learning-biblioteker, såsom TensorFlow og PyTorch, uden for standardopgaver som billedklassificering og segmentering."

For disse proof-of-concept eksperimenter, Zhou tog vævsprøver såsom blæren eller luftrøret fra en mus, placerede dem i et rør, og roterede prøverne 360 ​​grader under en OCT-scanner. Algoritmen skabte med succes et kort over hver prøves brydningsindeks, øger den laterale opløsning af scanningen med mere end 300 procent, mens baggrundsstøjen i det endelige billede reduceres. Mens undersøgelsen brugte prøver, der allerede var fjernet fra kroppen, forskerne mener, at OCRT kan tilpasses til at virke i en levende organisme.

"I stedet for at rotere vævet, en scanningssonde udviklet til denne teknik kunne rotere strålens vinkel på vævsoverfladen, " sagde Zhou.

Zhou er allerede ved at undersøge, hvor meget en hornhindescanning kunne forbedres af teknologien med mindre end 180 graders sweep, og resultaterne ser lovende ud. Hvis det lykkes, teknikken kan være en velsignelse for mange medicinske billeddiagnostiske behov.

"At tage billeder i høj opløsning af det konventionelle udstrømningsvæv i øjet er et længe efterspurgt mål inden for oftalmologi, sagde Farsiu, henviser til øjets kammervandsdræningssystem. "At have en OCT-scanner med denne type lateral opløsning ville være meget vigtigt for tidlig diagnose og finde nye terapeutiske mål for glaukom."

"OCT har allerede revolutioneret oftalmisk diagnostik ved at fremme ikke-invasiv mikroskopisk billeddannelse af den levende menneskelige nethinde, " sagde Izatt. "Vi tror, ​​at med yderligere fremskridt som OCRT, den høje virkning af denne teknologi kan udvides ikke kun til yderligere oftalmisk diagnostik, men til billeddannelse af patologier i væv, der er tilgængelige med endoskoper, katetre, og bronkoskoper i hele kroppen."