خلاصه: تکنولوژی هوش مصنوعی و یادگیری ماشین ، می تواند نشانه های اولیه ی بیماری پارکینسون را از روی تصاویر رگ های شبکیه که در یک تصویربرداری ساده ی چشم قابل مشاهده است، تشخیص دهد.
منبع: RSNA
یک آزمون ساده ی چشم در صورتی که با هوش مصنوعی ترکیب شود، بر اساس یک پژوهش تازه انجام شده در RSNA می تواند به تشخیص زودهنگام پارکینسون کمک کند.
پارکینسون یک بیماری پیش رونده در سیستم عصبی مرکزی است که میلیون ها نفر در سراسر جهان را تحت تاثیر قرار می دهد. تشخیص پارکینسون معمولا بر اساس علائمی مانند لرزش در ب*دن، سختی ماهیچه ها و مشکل در تعادل انجام می شود. این رویکرد محدودیت های زیادی دارد.
” مشکل این روش این است که بیماران معمولا بعد از پیشرفت زیاد بیماری و آسیب زیاد به نورون های دوپامین مغز، علائم را بروز می دهند. ”
نویسنده ی ارشد این مقاله، دکترای مهندسی پزشکی در دانشگاه فلوریدا به این موضوع اشاره می کند.
” این به این معنا است که ما در تشخیص بیماری در بیماران، دیر عمل می کنیم.”
پیشرفت بیماری همراه با کاهش سلول های عصبی است که دیواره ی شبکیه را نازک تر می کند – لایه ای که پشت حدقه ی چشم را می پوشاند.
این بیماری همچنین رگ های خونی میکروسکوپی شبکیه را تحت تاثیر قرار می دهد. این جزییات و تغییرات به ما کمک می کنند به کمک تکنولوژی یادگیری ماشین، تصاویر چشمی را برای بیماری پارکینسون مورد بررسی قرار دهیم.
در این پژوهش، دانشمندان از نوع خاصی از یادگیری ماشین به نام support vector machine استفاده کرده اند که از سال 1989 مورد استفاده است.
با استفاده از تصاویر چشمی افرادی که مبتلا به پارکینسون هستند و افرادی که به این بیماری مبتلا نیستند، آن ها SVM را آموزش دادند تا بتواند بیماری پارکینسون را در تصاویر تشخیص دهد.
نتایج نشان داد شبکه های یادگیر، می توانند در دسته بندی تصاویر بر اساس ساختار رگ های شبکیه و در نتیجه تشخیص بیماری با توجه به ویژگی نازک شدن و کوچکتر شدن رگ ها موفق باشند.
این متد جدید نشان می دهد می توانیم از مشاهدات چشم به تغییرات فیزیولوژی در مغز پی ببریم.
” مهم ترین یافته ی این پژوهش این است که می توان با یک تصویر ساده از چشم به یک بیماری مغزی پی برد. این رویکرد بسیار با رویکرد های قدیمی که از روی تصاویر مغزی به دنبال بیماری های مغزی می گردیم متفاوت است.”
روش هایی مانند MRI، سی تی اسکن و پزشکی هسته ای می توانند بسیار هزینه بر باشند. با استفاده از این روش نوین میتوان با امکانات ساده ای که در یک کلینیک چشم در اختیار است، تصویر برداری را انجام داد.
می توان در کمتر از یک دقیقه این کار را انجام داد و هزینه ی آن از رویکرد های دیگر پایین تر است.
” اگر این فرایند را به یک چکاپ سالانه تبدیل کنیم می توانیم افراد بیشتری را در زمان مناسب تری شناسیایی کنیم و در نتیجه با شناخت بهتر بیماری، راه هایی برای توقف پیشرفت آن پیدا کنیم.”
این روش تصویربرداری همچنین در بیماری های دیگری که مغز را تحت تاثیر قرار می دهند کاربرد دارد.
منبع: RSNA
یک آزمون ساده ی چشم در صورتی که با هوش مصنوعی ترکیب شود، بر اساس یک پژوهش تازه انجام شده در RSNA می تواند به تشخیص زودهنگام پارکینسون کمک کند.
پارکینسون یک بیماری پیش رونده در سیستم عصبی مرکزی است که میلیون ها نفر در سراسر جهان را تحت تاثیر قرار می دهد. تشخیص پارکینسون معمولا بر اساس علائمی مانند لرزش در ب*دن، سختی ماهیچه ها و مشکل در تعادل انجام می شود. این رویکرد محدودیت های زیادی دارد.
” مشکل این روش این است که بیماران معمولا بعد از پیشرفت زیاد بیماری و آسیب زیاد به نورون های دوپامین مغز، علائم را بروز می دهند. ”
نویسنده ی ارشد این مقاله، دکترای مهندسی پزشکی در دانشگاه فلوریدا به این موضوع اشاره می کند.
” این به این معنا است که ما در تشخیص بیماری در بیماران، دیر عمل می کنیم.”
پیشرفت بیماری همراه با کاهش سلول های عصبی است که دیواره ی شبکیه را نازک تر می کند – لایه ای که پشت حدقه ی چشم را می پوشاند.
این بیماری همچنین رگ های خونی میکروسکوپی شبکیه را تحت تاثیر قرار می دهد. این جزییات و تغییرات به ما کمک می کنند به کمک تکنولوژی یادگیری ماشین، تصاویر چشمی را برای بیماری پارکینسون مورد بررسی قرار دهیم.
در این پژوهش، دانشمندان از نوع خاصی از یادگیری ماشین به نام support vector machine استفاده کرده اند که از سال 1989 مورد استفاده است.
با استفاده از تصاویر چشمی افرادی که مبتلا به پارکینسون هستند و افرادی که به این بیماری مبتلا نیستند، آن ها SVM را آموزش دادند تا بتواند بیماری پارکینسون را در تصاویر تشخیص دهد.
نتایج نشان داد شبکه های یادگیر، می توانند در دسته بندی تصاویر بر اساس ساختار رگ های شبکیه و در نتیجه تشخیص بیماری با توجه به ویژگی نازک شدن و کوچکتر شدن رگ ها موفق باشند.
این متد جدید نشان می دهد می توانیم از مشاهدات چشم به تغییرات فیزیولوژی در مغز پی ببریم.
” مهم ترین یافته ی این پژوهش این است که می توان با یک تصویر ساده از چشم به یک بیماری مغزی پی برد. این رویکرد بسیار با رویکرد های قدیمی که از روی تصاویر مغزی به دنبال بیماری های مغزی می گردیم متفاوت است.”
روش هایی مانند MRI، سی تی اسکن و پزشکی هسته ای می توانند بسیار هزینه بر باشند. با استفاده از این روش نوین میتوان با امکانات ساده ای که در یک کلینیک چشم در اختیار است، تصویر برداری را انجام داد.
می توان در کمتر از یک دقیقه این کار را انجام داد و هزینه ی آن از رویکرد های دیگر پایین تر است.
” اگر این فرایند را به یک چکاپ سالانه تبدیل کنیم می توانیم افراد بیشتری را در زمان مناسب تری شناسیایی کنیم و در نتیجه با شناخت بهتر بیماری، راه هایی برای توقف پیشرفت آن پیدا کنیم.”
این روش تصویربرداری همچنین در بیماری های دیگری که مغز را تحت تاثیر قرار می دهند کاربرد دارد.
