توموگرافی انسجام نوری همراه با یادگیری ماشینی برای توسعه ابزار تصویربرداری سرطان کولورکتال

یک تیم تحقیقاتی از آزمایشگاه Quing Zhu، استاد مهندسی Edwin H. Murty در گروه مهندسی زیست پزشکی در دانشکده مهندسی McKelvey در دانشگاه واشنگتن در سنت لوئیس، توموگرافی انسجام نوری (OCT) و یادگیری ماشین را با هم ترکیب کرده اند. یک ابزار تصویربرداری سرطان کولورکتال ایجاد کنید که ممکن است روزی آندوسکوپی سنتی را که در حال حاضر توسط پزشکان استفاده می شود بهبود بخشد.

نتایج در شماره ژوئن مجله بیوفوتونیک با تصویری بر روی جلد داخلی منتشر شد.

  غربالگری سرطان روده بزرگ در حال حاضر به بازرسی بینایی انسان از بافت در طول یک روش کولونوسکوپی متکی است. با این حال، این تکنیک ضایعات زیرسطحی را شناسایی و تشخیص نمی دهد.

آندوسکوپی OCT اساساً نوری را به روده بزرگ می تاباند تا به پزشک کمک کند تا برای تجسم و تشخیص ناهنجاری ها عمیق تر ببیند. این تیم با همکاری پزشکان دانشکده پزشکی دانشگاه واشنگتن و چائو ژو، دانشیار مهندسی زیست پزشکی، یک کاتتر OCT کوچک ساختند که از طول موج نور بیشتری برای نفوذ 1-2 میلی متر به داخل نمونه های بافت استفاده می کند.

هونگبو لو، دانشجوی دکترا در آزمایشگاه ژو، کار را رهبری کرد.

این تکنیک اطلاعات بیشتری را در مورد یک ناهنجاری نسبت به تصاویر سطحی و با نور سفید که در حال حاضر توسط پزشکان استفاده می شود، ارائه می دهد. Shuying Li، دانشجوی دکترای مهندسی زیست پزشکی، از داده های تصویربرداری برای آموزش الگوریتم یادگیری ماشینی برای تمایز بین بافت "عادی" و "سرطانی" استفاده کرد. سیستم ترکیبی به آنها اجازه می داد نمونه های بافت سرطانی را با دقت تشخیصی 93 درصد شناسایی و طبقه بندی کنند.