يعمل التعلم العميق على تسريع التصوير الصوتي فائق الدقة

التصوير الضوئي الصوتي هو تقنية هجينة تستخدم للحصول على معلومات جزيئية وتشريحية ووظيفية من صور تتراوح أحجامها من الميكرونات إلى المليمترات، وعلى أعماق تتراوح من مئات الميكرونات إلى عدة سنتيمترات. يمكن لأسلوب التصوير الضوئي الصوتي فائق الدقة - الذي يتم فيه تركيب إطارات صور متعددة للهدف لتحقيق دقة مكانية عالية للغاية - تحديد موضع الأهداف الصغيرة جدًا، مثل خلايا الدم الحمراء أو قطرات الصبغة المحقونة. تعمل طريقة "التصوير الموضعي" هذه على تحسين الدقة المكانية بشكل كبير في الدراسات السريرية، ولكنها تتحقق على حساب الدقة الزمنية.

استخدم فريق بحث متعدد الجنسيات تقنية التعلم العميق لزيادة سرعة الحصول على الصور بشكل كبير دون التضحية بجودة الصورة، لكل من الفحص المجهري الضوئي الصوتي (PAM) والتصوير المقطعي المحوسب الضوئي الصوتي (PACT). الطريقة المعتمدة على الذكاء الاصطناعي (AI)، الموضحة في الضوء: العلم والتطبيقات، يوفر زيادة بمقدار 12 ضعفًا في سرعة التصوير وتقليلًا بأكثر من 10 أضعاف في عدد الصور المطلوبة. يمكن أن يتيح هذا التقدم استخدام تقنيات التصوير الضوئي الصوتي في التطبيقات قبل السريرية أو السريرية التي تتطلب سرعة عالية ودقة مكانية دقيقة، مثل دراسات الاستجابة الدوائية اللحظية.

يستخدم التصوير الضوئي الصوتي الإثارة البصرية والكشف بالموجات فوق الصوتية لتمكين النطاقات المتعددة في الجسم الحي التصوير. تعمل هذه التقنية عن طريق تسليط نبضات ليزر قصيرة على الجزيئات الحيوية، التي تمتص نبضات ضوء الإثارة، وتخضع لتمدد حراري مرن عابر، وتحول طاقتها إلى موجات فوق صوتية. يتم بعد ذلك اكتشاف هذه الموجات الصوتية الضوئية بواسطة محول طاقة بالموجات فوق الصوتية واستخدامها لإنتاج صور PAM أو PACT.

باحثون من بوهانج جامعة العلوم والتكنولوجيا (بوستك) و معهد كاليفورنيا للتكنولوجيا لقد طوروا استراتيجية حسابية تعتمد على الشبكات العصبية العميقة (DNNs) التي يمكنها إعادة بناء صور عالية الدقة وفائقة الدقة من عدد أقل بكثير من إطارات الصور الأولية. يستخدم الإطار القائم على التعلم العميق نموذجين متميزين لـ DNN: نموذج ثلاثي الأبعاد للتوطين الحجمي بدون ملصقات بدقة بصرية PAM (OR-PAM)؛ ونموذج ثنائي الأبعاد للتوطين المستوي المسمى PACT.

الباحث الرئيسي تشولهونج كيم، مدير POSTECH مركز ابتكار الأجهزة الطبية، ويوضح وزملاؤه أن شبكة التوطين OR-PAM تحتوي على طبقات تلافيفية ثلاثية الأبعاد للحفاظ على المعلومات الهيكلية ثلاثية الأبعاد للصور الحجمية، بينما تحتوي شبكة التوطين PACT على طبقات تلافيفية ثنائية الأبعاد. تتعلم شبكات DNN التحويلات من فوكسل إلى فوكسل أو بكسل إلى بكسل إما من صورة صوتية ضوئية متفرقة أو كثيفة تعتمد على التوطين. قام الباحثون بتدريب الشبكتين في وقت واحد، ومع تقدم التدريب، تتعلم الشبكات توزيع الصور الحقيقية وتجميع صور جديدة تشبه الصور الحقيقية.

ولاختبار نهجهم، استخدم الباحثون OR-PAM لتصوير المنطقة محل الاهتمام في أذن الفأر. وباستخدام 60 إطارًا تم اختيارها عشوائيًا، أعادوا بناء صورة OR-PAM كثيفة التوطين، والتي تم استخدامها كهدف للتدريب والحقيقة الأساسية للتقييم. كما قاموا بإعادة بناء صور OR-PAM المتفرقة باستخدام إطارات أقل، لإدخالها في شبكات DNN. كان وقت التصوير للصورة الكثيفة 30 ثانية، بينما بالنسبة للصورة المتفرقة التي تستخدم خمسة إطارات، كان 2.5 ثانية فقط.

كانت الصور الكثيفة والمولدة بواسطة DNN تتمتع بنسبة إشارة إلى ضوضاء أعلى واتصال أوعية مرئية أفضل من الصورة المتناثرة. والجدير بالذكر أنه تم الكشف عن وعاء دموي غير مرئي في الصورة المتناثرة مع تباين عالٍ في الصورة المستندة إلى توطين DNN.

استخدم الباحثون أيضًا PACT لتصوير دماغ الفأر في الجسم الحي بعد حقن قطرات الصبغة. أعادوا بناء صورة PACT كثيفة التوطين باستخدام 240,000 قطرة صبغ، بالإضافة إلى صورة متفرقة باستخدام 20,000 قطرة. تم تقليل وقت التصوير من 30 دقيقة للصورة الكثيفة إلى 2.5 دقيقة للصورة المتفرقة. كان من الصعب التعرف على مورفولوجيا الأوعية الدموية في الصورة المتناثرة، في حين أن DNN والصور الكثيفة تصور بوضوح الأوعية الدموية الدقيقة.

من المزايا الخاصة لتطبيق إطار عمل DNN على التصوير الضوئي الصوتي أنه قابل للتطوير، من الفحص المجهري إلى التصوير المقطعي المحوسب، وبالتالي يمكن استخدامه في العديد من التطبيقات قبل السريرية والسريرية على مستويات مختلفة. أحد التطبيقات العملية يمكن أن يكون تشخيص الأمراض الجلدية والأمراض التي تتطلب معلومات هيكلية دقيقة. وبما أن الإطار يمكن أن يقلل بشكل كبير من وقت التصوير، فإنه يمكن أن يجعل مراقبة ديناميكا الدم في الدماغ ونشاط الخلايا العصبية أمرًا ممكنًا.

وخلص الباحثون إلى أن "الدقة الزمنية المحسنة تجعل المراقبة عالية الجودة ممكنة عن طريق أخذ العينات بمعدل أعلى، مما يسمح بتحليل التغيرات السريعة التي لا يمكن ملاحظتها بالدقة الزمنية المنخفضة التقليدية".

وظيفة يعمل التعلم العميق على تسريع التصوير الصوتي فائق الدقة ظهرت للمرة الأولى على عالم الفيزياء.

• كوينسمارت. أفضل بورصة للبيتكوين والعملات المشفرة في أوروبا.
• بلاتوبلوكشين. Web3 Metaverse Intelligence. تضخيم المعرفة. دخول مجاني.
• كريبتوهوك. الرادار. تجربة مجانية.
• المصدر: https://physicsworld.com/a/deep-learning-accelerates-super-resolution-photoacoustic-imaging/