تصاویر سه بعدی و هوش مصنوعی برای تشخیص درجات پارکینسون

شما اینجا هستید

تصاویر سه بعدی و هوش مصنوعی برای تشخیص درجات پارکینسون

ابزاری جدید که توسط دانشگاه کوردوبا و با همکاری واحد پزشکی هسته ای در بیمارستان Reina Sofía ساخته شده است ، می تواند به پرسنل مراقبت های بهداشتی اجازه دهد درجات مختلف پارکینسون را تشخیص دهند ، بیماری که طبق اطلاعات سازمان بهداشت جهانی (۷) میلیون نفر در سراسر جهان.

به گفته خاویر باربرو ، محقق گروه AYRNA ، "تاکنون ،" بیشتر ت تشخیص می دهند بیمار از این بیماری رنج می برد یا نه. " تیم تحقیقاتی سیستمی را ایجاد کرده اند که تعیین فاز در آن را امکان پذیر می سازد ، و بر اساس شدت ، بین چهار مورد مختلف تفاوت قائل می شود.

به طور خاص ، این روش جدید ترکیبی از هوش مصنوعی و استفاده از تصاویر سه بعدی از ناحیه مغز است که در آن تخریب نورون در حال رخ دادن است. برای انجام این کار ، تیم تحقیقاتی ، وکسل توسط وکسل (معادل یک پیکسل سه بعدی) ، بیش از ۵۰۰ عکس از مغز افراد با علائم سازگار با این بیماری را تجزیه و تحلیل کرده است. نتیجه یک الگوریتم ریاضی است که پس از پردازش تمام این اطلاعات ، قادر به تخمین ، پس از اسکن تصویر مغز بیمار ، شدت بیماری ، بر اساس آسیب نورون است.

پدرو آنتونیو گوتیرز ، یکی دیگر از نویسندگان این مطالعه ، بهمراه توضیح داد: "ابزار جدید این برآورد را به طور خودکار تولید می کند ، و یک تشخیص اولیه را ارائه می دهد که البته باید توسط کادر پزشکی تأیید شود." سزار هرواس ، آنتونیو دوران و خولیو کاماچو.

ّپّاین محقق توضیح داد که این الگوریتم قادر به تعیین "کدام مناطق اسکن شده از مغز مهمترین است و بنابراین ، مناطقی که پرسنل متخصص باید آنها را برای تأیید تشخیص متمرکز کنند" است. اما ، چرا برخی مناطق مهمتر از مناطق دیگر هستند؟

پاسخ: دوپامین

بیماری پارکینسون باعث از دست دادن تراکم در پروتئین های مسئول حمل و نقل دوپامین ، انتقال دهنده فرکانس ضروری برای کنترل حرکت می شود. این تصاویر سه بعدی قادر به تشخیص تراکم این پروتئین ها و تعیین مکان هایی در مغز هستند که در آنها یافت می شود ، که سرنخی از شدت بیماری را ارائه می دهد.

ّسزار هرواس ، محقق اصلی گروه AYRNA ، گفت ، بنابراین این پروژه "به دنبال جایگزینی ارزیابی های پرسنل متخصص نیست ، بلکه به دنبال پشتیبانی برای تصمیم گیری پزشکی است." در هر صورت ، تعیین دقیق تر مرحله ای که این شرایط در آن قرار دارد می تواند به تنظیم مقدار داروی لازم کمک کند ، بنابراین منجر به درمان های بهتر برای یک بیماری مزمن می شود که هنوز هیچ درمانی برای آن وجود ندارد ، اگرچه پیش آگهی آن به لطف پیشرفت عصب شناسی و تولید داروهای جدید.

این فرآیند همچنین از طریق دو روش مختلف ، که هر دو در مجلات علمی منتشر شده اند ، تأیید شده است. اولین آنها از تکنیک های کلاسیک طبقه بندی ترتیبی استفاده می کند ، در حالی که نوع دوم مبتنی بر "شبکه های عصبی Convolutional" ‪(CNN)‬ است ، نوعی مدل هوش مصنوعی که با کارهای مربوط به بینایی مانند طبقه بندی تصویر بسیار موثر است.

 

 

۲۰۱۰۰۰۳۱۹.۰۲۹

درج دیدگاه


سوال امنیتی
این بخش به منظور جلوگیری از ورود هرزنامه در نظر گرفته شده است. لطفاً آن را تکمیل نمایید.
Image CAPTCHA
کد امنیتی (captcha)

بازدیدکنندگان

  • کلیه بازدیدها: ۱۰۷۷۲۴۲
  • تعداد کل بازدیدکننده‌ها: ۱۵۸۱۱
  • تعداد کل محتوا: ۴۲۹۷
  • IP شما: ۳.۲۳۳.۲۱۹.۶۲
  • از تاریخ: ۱۴۰۰/۰۲/۰۱ - ۰۴:۴۱