Teknologi prototipe menyusut AI untuk menghadirkan fungsionalitas seperti otak dalam satu perangkat yang kuat - ScienceDaily
Health

Algoritme berbasis AI baru memproses data oksigenasi jaringan lebih cepat dan lebih akurat daripada teknik konvensional – ScienceDaily


Oksigenasi jaringan adalah ukuran tingkat oksigen dalam jaringan biologis dan merupakan penanda klinis yang berguna untuk kelangsungan hidup jaringan. Tingkat abnormal dapat menunjukkan adanya kondisi seperti sepsis, diabetes, infeksi virus, atau penyakit paru, dan pemantauan yang efektif penting untuk panduan bedah serta perawatan medis.

Ada beberapa teknik untuk mengukur oksigenasi jaringan, tetapi semuanya memiliki beberapa keterbatasan. Misalnya, oksimetri nadi kuat dan berbiaya rendah tetapi tidak dapat memberikan ukuran oksigenasi lokal. Spektroskopi inframerah-dekat, di sisi lain, rentan terhadap pengukuran bising karena probe kontak yang sensitif terhadap tekanan. Pencitraan domain frekuensi spasial (SFDI) telah muncul sebagai teknik non-kontak yang menjanjikan yang memetakan konsentrasi oksigen jaringan pada bidang pandang yang luas. Meskipun mudah diterapkan, SFDI memiliki batasannya sendiri: SFDI memerlukan urutan beberapa gambar agar prediksinya akurat dan rentan error saat bekerja dengan snapshot tunggal.

Dalam studi baru yang diterbitkan di Jurnal Optik Biomedis, peneliti dari Universitas Johns Hopkins, Mason T. Chen dan Nicholas J. Durr, telah mengusulkan teknik ujung ke ujung untuk perhitungan oksigenasi jaringan yang akurat dari foto tunggal, yang disebut OxyGAN. Mereka mengembangkan pendekatan ini menggunakan kelas kerangka kerja pembelajaran mesin yang disebut jaringan adversarial generatif bersyarat (cGAN), yang menggunakan dua jaringan saraf – generator dan diskriminator – secara bersamaan pada data masukan yang sama. Generator belajar untuk menghasilkan gambar keluaran yang realistis, sementara diskriminator belajar untuk menentukan apakah pasangan gambar yang diberikan membentuk rekonstruksi yang benar untuk masukan yang diberikan.

Dengan menggunakan SDFI konvensional, para peneliti memperoleh peta oksigenasi untuk esofagus manusia (ex vivo), tangan dan kaki (in vivo), dan usus besar babi (in vivo) di bawah penerangan dengan dua panjang gelombang yang berbeda (659 dan 851 nm). Mereka melatih OxyGAN dengan sampel kaki dan esofagus serta menyimpan sampel tangan dan usus besar untuk kemudian menguji kinerjanya. Lebih lanjut, mereka membandingkan kinerjanya dengan teknik foto tunggal berdasarkan model fisik dan teknik hibrid dua langkah yang terdiri dari model pembelajaran mendalam untuk memprediksi sifat optik dan model fisik untuk menghitung oksigenasi jaringan.

Para peneliti menemukan bahwa OxyGAN dapat mengukur oksigenasi secara akurat, tidak hanya untuk sampel yang telah dilihatnya selama pelatihan (kaki manusia), tetapi juga untuk sampel yang tidak dilihatnya (tangan manusia dan usus babi), menunjukkan kekuatan model. Ini berkinerja lebih baik daripada model single-snapshot dan model hybrid, masing-masing sebesar 24,9% dan 24,7%. Selain itu, para ilmuwan mengoptimalkan OxyGAN untuk menghitung ~ 10 kali lebih cepat daripada model hybrid, memungkinkan pemetaan waktu nyata pada kecepatan 25 Hz. Frédéric Leblond, Editor Rekanan untuk Jurnal Optik Biomedis, berkomentar, “Makalah ini tidak hanya mewakili kemajuan signifikan yang dapat berkontribusi pada implementasi klinis praktis dari pencitraan domain frekuensi spasial, tetapi juga akan menjadi bagian dari kumpulan yang relatif kecil (meskipun ukurannya meningkat dengan cepat) dari karya terbitan yang kuat menggunakan AI -jenis metode untuk menangani data optik biomedis nyata. “

Meskipun algoritme OxyGAN dapat dioptimalkan lebih lanjut, pendekatan ini menjanjikan sebagai teknik baru untuk mengukur oksigenasi jaringan.

Sumber Cerita:

Materi disediakan oleh SPIE – Masyarakat Internasional untuk Optik dan Fotonik. Catatan: Konten dapat diedit gaya dan panjangnya.

Dipersembahkan Oleh : Lapak Judi

Baca Juga : lagu Togel