مواد و ساخت پیشرفته

محققین دانشگاه واشینگتن درحال‌توسعه تکنیک تشخیص الگو (PR) بر پایه یادگیری ماشین برای مقطع‌نگاری همدوس نوری (OCT) هستند که قادر خواهد بود به‌صورت خودکار پردازش تصاویر را انجام داده و به‌صورت دقیق و با کمک کامپیوتر سرطان روده را تشخیص دهد. این تکنیک OCT و یادگیری ماشین را به‌منظور تشخیص الگوها در بافت سالم و غیرسالم تلفیق می‌کند.
این محققین ابتدا در سال 2017 به‌منظور مطالعه بافت روده که از بیماران استخراج‌شده بود شروع به استفاده از OCT کردند. یک دانشجوی دکتری مهندسی پزشکی در حین مطالعه متوجه الگویی شبیه دندان در بافت سالم روده شد. درحالی‌که در بافت سرطانی این الگو به‌سختی قابل مشاهده بود. این الگوی شبیه دندان ناشی از جذب نور توسط میکروساختارهای سالم مخاطی بافت روده است.
این دانشجوی دکتری با کمک یک دانشجوی ارشد شروع به یاددهی RetinaNet (که یک مدل شبکه عصبی مغز است) کردند تا الگوهای ساختاری در تصاویر OCT گرفته‌شده از روده را ثبت کرده و یاد بگیرند. این محققین شبکه را با حدود 26000 تصویر OCT که از 20 نقطه تومور، 16 نقطه خوش‌خیم، و 6 نقطه دیگر غیرعادی در بافت بیمار تعلیم و تست کردند. شبکه تعلیم داده شده توانست با موفقیت بافت سالم و غیرسالم را تشخیص دهد. همچنین تشخیص‌های پیش‌بینی‌شده توسط این روش با بررسی‌های هیستولوژی نیز مقایسه و راستی آزمایی شدند. در این مطالعه سیستم PR-OCT با دقت 100% قادر به شناسایی تومورها در مقایسه با روش هیستولوژی شد. حساسیت 100% و توانایی تشخیص اختصاصی 99.7% به دست آمد. در تصویر آورده شده در زیر نمونه سرطانی (بالا) و نمونه سالم (پایین) آورده شده است.
منبع:
https://www.photonics.com/Articles/Machine_Learning_OCT_Combine_for_Early-Stage/a65374