[ad_1]

تصویر

تصویر: نمونه ای از تصاویر فوندوس گرفته شده از Biobank انگلستان. چشم انداز بیشتر

اعتبار: انجمن رادیولوژی آمریکای شمالی

بلوط بلوط ، بیماری. – بر اساس تحقیقات ارائه شده در نشست سالانه انجمن رادیولوژی آمریکای شمالی (RSNA) ، یک معاینه ساده چشمی همراه با فناوری یادگیری ماشین قدرتمند با هوش مصنوعی (AI) می تواند تشخیص زودهنگام بیماری پارکینسون را فراهم کند.

بیماری پارکینسون یک اختلال پیشرونده در سیستم عصبی مرکزی است که میلیون ها نفر را در سراسر جهان مبتلا می کند. تشخیص معمولاً براساس علائمی مانند لرزش ، سفتی عضلات و عدم تعادل است – رویکردی که محدودیت های قابل توجهی دارد.

ماکسیمیلیان دیاز ، دکتر مهندسی زیست پزشکی ، گفت: “مشکل این روش این است که بیماران معمولاً فقط پس از پیشرفت طولانی مدت با آسیب قابل توجه به سلول های عصبی مغز دوپامین علائم ایجاد می کنند.” دانشجوی دانشگاه فلوریدا در گینسویل ، فلوریدا. “این بدان معناست که ما در پایان روند بیماری بیماران را تشخیص می دهیم.”

پیشرفت بیماری با تجزیه سلولهای عصبی مشخص می شود که باعث نازک شدن دیواره های شبکیه ، لایه بافتی که پشت کره کره چشم را می پوشاند ، می شود. این بیماری همچنین رگهای خونی میکروسکوپی یا ریز عروق شبکیه را تحت تأثیر قرار می دهد. این ویژگی ها امکان استفاده از قدرت هوش مصنوعی برای مطالعه تصاویر چشم را برای علائم بیماری پارکینسون فراهم می کند.

برای مطالعه جدید ، دیاز با دانشجوی کارشناسی ارشد جیانیائو تیان و یک متخصص مغز و اعصاب در دانشگاه فلوریدا ، آدولفو رامیرز-زامورا ، Ph.D همکاری می کند. ارزیابی (لبخند).

محققان نوعی هوش مصنوعی را به نام آموزش بردار نگهدارنده (SVM) معرفی کردند که از سال 1989 وجود دارد. آنها با استفاده از تصاویر پشت چشم بیماران مبتلا به بیماری پارکینسون و افراد کنترل کننده ، آنها SVM را آموزش دادند تا علائم تصویربرداری با پیشنهاد بیماری را تشخیص دهد.

نتایج نشان می دهد که شبکه های یادگیری ماشین می توانند بیماری پارکینسون را بر اساس عروق شبکیه طبقه بندی کنند ، با ویژگی های اصلی عروق خونی کوچکتر. روشهای پیشنهادی بیشتر از این ایده که تغییرات فیزیولوژی مغز را می توان در چشم مشاهده کرد پشتیبانی می کنند.

دیاز گفت: “مهمترین یافته این مطالعه این بود که بیماری مغزی با تصویر اساسی از چشم تشخیص داده شده است.” “این بسیار متفاوت از رویکردهای سنتی است ، جایی که شما به تصاویر مختلفی از مغز نگاه می کنید تا یک مشکل مغزی پیدا کنید.”

دیاز خاطرنشان کرد که این روش های تصویربرداری سنتی با تصویربرداری تشدید مغناطیسی ، CT و تکنیک های پزشکی هسته ای می تواند بسیار گران باشد. در مقابل ، رویکرد جدید از عکاسی اساسی با تجهیزات معمول در کلینیک های چشم برای بدست آوردن تصویر استفاده می کند. حتی می توان از یک گوشی هوشمند با لنز مخصوص عکس گرفت.

دیاز گفت: “این فقط یک تصویر ساده از چشم است ، در کمتر از یک دقیقه می توانید این کار را انجام دهید و هزینه تجهیزات بسیار کمتر از دستگاه CT یا MRI است.” “اگر بتوانیم این غربالگری سالانه را انجام دهیم ، امید این است که بتوانیم موارد بیشتری را زودتر بگیریم ، که به ما کمک می کند بیماری را بهتر بشناسیم و یک روش درمانی یا راهی برای کاهش روند پیشرفت پیدا کنیم.”

دیاز گفت ، این روش همچنین می تواند برای شناسایی بیماری های دیگری که بر ساختار مغز تأثیر می گذارند مانند بیماری آلزایمر و مولتیپل اسکلروزیس مورد استفاده قرار گیرد.

###

برای کسب اطلاعات بیشتر و تصاویر ، به RSNA.org/press20 مراجعه کنید. برای مشاهده مطالب تحریم شده به یک حساب مطبوعاتی نیاز است.

RSNA انجمنی از رادیولوژیست ها ، انکولوژیست های پرتوی ، فیزیکدانان پزشکی و دانشمندان مرتبط است که از طریق آموزش ، تحقیق و نوآوری های فناوری ، برتری در مراقبت از بیمار و ارائه مراقبت های بهداشتی را ارتقا می دهند. دفتر مرکزی این شرکت در اوک بروک ، ایلینوی است. (RSNA.org)

یادداشت سردبیر: داده های این نشریات ممکن است با آنچه در خلاصه منتشر شده و در واقع در جلسه ارائه شده متفاوت باشد ، زیرا محققان همچنان اطلاعات خود را تا جلسه به روز می کنند. برای اطمینان از اینکه از آخرین اطلاعات استفاده می کنید ، لطفاً با تیم روابط رسانه ای RSNA از طریق Newsroom به شماره 1-630-590-7762 تماس بگیرید.

برای اطلاعات دوستانه در مورد بیماری پارکینسون ، به RadiologyInfo.org مراجعه کنید.

سلب مسئولیت: AAAS و EurekAlert! هیچ مسئولیتی در قبال صحت گزارشهای خبری منتشر شده در EurekAlert ندارند! از طریق موسسات کمک کننده یا استفاده از هرگونه اطلاعات از طریق سیستم EurekAlert.

[ad_2]

منبع: kolah-news.ir

ایندکسر