La tecnologia di intelligenza artificiale accelera l’imaging fotoacustico di localizzazione a super risoluzione dei vasi sanguigni

I conteggi di frame di 60 e 5 vengono utilizzati rispettivamente per le immagini basate sulla localizzazione dense e sparse. Viste ravvicinate delle regioni delineate dai riquadri tratteggiati verdi e immagini in modalità B in sezione trasversale della regione evidenziata dalle linee tratteggiate blu. I due vasi sanguigni adiacenti sono chiaramente risolti nell’apprendimento profondo e nelle immagini basate sulla localizzazione densa, mentre non sono nell’immagine OR-PAM normale nella MAP in primo piano (ⅰ). In modalità B ravvicinata (ii), un vaso sanguigno evidenziato dai cerchi bianchi tratteggiati, in cui l’immagine sparsa ha un basso rapporto segnale-rumore, è ben ripristinato nell’immagine basata sulla localizzazione del deep learning. Anche se l’immagine sparsa non contiene i vasi, questi vengono ripristinati nell’immagine basata sulla localizzazione del deep learning perché la nostra rete si basa su convoluzioni 3D, consentendo il riferimento di pixel adiacenti nello spazio 3D. Crediti: Jongbeom Kim, Gyuwon Kim, Lei Li, Pengfei Zhang, Jin Young Kim, Yeonggeun Kim, Hyung Ham Kim, Lihong V. Wang, Seungchul Lee, Chulhong Kim

Dopo un fulmine, si sente un tuono per un breve periodo di tempo. Ciò è dovuto al fatto che il materiale circostante colpito da un fulmine assorbe la luce e, come risultato della conversione di questa luce in calore, il materiale si espande e produce un suono. La tecnica di imaging nota come imaging fotoacustico (PAI), che utilizza questo fenomeno per scattare fotografie dell’interno del corpo, viene esplorata come un nuovo dispositivo di imaging medico in varie applicazioni precliniche e cliniche.

La tecnologia PAI ha utilizzato il metodo di imaging di localizzazione, che prevede l’imaging della stessa area numerose volte al fine di ottenere una risoluzione spaziale elevatissima oltre i limiti fisici indipendentemente dalla profondità di imaging. Tuttavia, questa risoluzione spaziale superiore si ottiene sacrificando la risoluzione temporale poiché più fotogrammi, ciascuno contenente il target di localizzazione, devono essere sovrapposti per formare un’immagine a super risoluzione ad alta densità sufficientemente campionata. Ciò ha reso difficile l’impiego per la ricerca che deve confermare una reazione immediata.

In un nuovo articolo pubblicato in Scienza della luce e applicazione, un team di scienziati, guidato dal professor Chulhong Kim e da collaboratori multiistituzionali, ha sviluppato un PAI di localizzazione basato sull’intelligenza artificiale per risolvere gli svantaggi della bassa velocità di imaging. Utilizzando il deep learning per aumentare la velocità di imaging e ridurre il numero di raggi laser utilizzati sul corpo, è stato in grado di affrontare tutti e tre questi problemi contemporaneamente: velocità di imaging lenta, bassa risoluzione spaziale e carico sul corpo.

La tecnologia di intelligenza artificiale accelera l'imaging fotoacustico di localizzazione a super risoluzione dei vasi sanguigni

I conteggi delle goccioline di 240.000 e 20.000 vengono utilizzati rispettivamente per le immagini basate sulla localizzazione densa e sparsa. Viste ravvicinate delle regioni delineate dai riquadri tratteggiati i verdi e ii blu. La connettività dei vasi sanguigni può essere confrontata nelle immagini ingrandite: è difficile riconoscere la morfologia vascolare nelle immagini basate sulla localizzazione regolare e sparsa, mentre il deep learning e le immagini dense mostrano microvascolarizzazioni. Crediti: Jongbeom Kim, Gyuwon Kim, Lei Li, Pengfei Zhang, Jin Young Kim, Yeonggeun Kim, Hyung Ham Kim, Lihong V. Wang, Seungchul Lee, Chulhong Kim

Utilizzando la tecnologia di deep learning, il team di ricerca è stato in grado di ridurre il numero di immagini utilizzate in questo metodo di oltre 10 volte e aumentare la velocità di imaging di 12 volte. I tempi di imaging della microscopia fotoacustica di localizzazione e della tomografia computerizzata fotoacustica sono stati ridotti rispettivamente da 30 secondi a 2,5 secondi e da 30 minuti a 2,5 minuti.

Questo avanzamento apre la nuova possibilità di localizzazione di tecniche PAI in varie applicazioni precliniche o cliniche, che richiedono sia alta velocità che risoluzione spaziale fine, come gli studi del farmaco istantaneo e delle risposte emodinamiche. Soprattutto, uno dei principali vantaggi di questa tecnologia è il fatto che riduce notevolmente sia l’esposizione del raggio laser al corpo vivente che il tempo di imaging, riducendo il carico sui pazienti.


Imaging super-risolto di un singolo atomo freddo su una scala temporale di nanosecondi


Maggiori informazioni:
Jongbeom Kim et al, Accelerazione dell’apprendimento profondo dell’imaging fotoacustico di localizzazione a superrisoluzione multiscala, Luce: scienza e applicazioni (2022). DOI: 10.1038/s41377-022-00820-w

Fornito dall’Accademia cinese delle scienze

Citazione: La tecnologia di intelligenza artificiale accelera la localizzazione a super risoluzione imaging fotoacustico dei vasi sanguigni (2022, 12 maggio) recuperato il 12 maggio 2022 da https://medicalxpress.com/news/2022-05-artificial-intelligence-technology-super-resolution-localization .html

Questo documento è soggetto a copyright. Al di fuori di qualsiasi correttezza commerciale a fini di studio o ricerca privati, nessuna parte può essere riprodotta senza il permesso scritto. Il contenuto è fornito a solo scopo informativo.

Leave a Comment