人工智能比人类专家更能识别眼睛中的单个神经元

光学相干断层扫描(OCT)、自适应光学和深层神经网络的新组合应该能够更好地诊断和监测诸如青光眼等神经损伤性眼和脑疾病。

杜克大学(Duke University)的生物医学工程师领导一个多机构联盟开发了这一过程，可以轻松、准确地跟踪视网膜数量和形状的变化神经节细胞的眼睛。

这项工作出现在200月3日发表的论文中视神经节。

眼睛的视网膜是中枢神经系统的延伸。神经节细胞是眼睛中主要的神经元之一，负责处理和向大脑发送视觉信息。在许多神经退行性疾病，如青光眼，神经节细胞退化和消失，导致不可逆转的失明。传统上，研究人员使用OCT(一种类似于超声波的成像技术，使用光代替声音)来观察眼组织的底层，以诊断和跟踪青光眼和其他眼病的进展。

虽然OCT允许研究人员在视网膜中有效地观察神经节细胞层，但该技术仅足够敏感以显示细胞层的厚度 - 它不能揭示单个神经节细胞。这阻碍了早期诊断或快速跟踪疾病进展，随着大量神经节细胞需要在医生可以看到厚度的变化之前消失。

为了解决这个问题，最近的一项技术叫做自适应光学OCT (AO-OCT)使成像足够敏感，可以查看单个神经节细胞。自适应光学是一种技术，最大限度地减少在检查眼睛时发生的光学像差的影响，这是在OCT成像中实现高分辨率的主要限制因素。

“这种更高的分辨率使得诊断神经退行性疾病更容易，”公爵生物医学工程教授新浪比尔索斯说。“但它也产生了如此大量的数据图像分析在眼睛和大脑研究中，已成为这种潜在的游戏变化技术的主要瓶颈。“

在他们的新论文中，波尔苏犬实验室的博士后研究员Farsiu和Somayyeh Soltanian-Zadeh通过开发一种高度自适应且易于培训的深度学习的算法来设计解决这个问题的解决方案，这是第一个识别和跟踪的来自AO-OCT扫描的神经节细胞形状。

为了测试他们的方法的准确性，他们被称为Defogcseg，该团队分析了健康和青光眼受试者的视网膜的AO-OCT数据。它们的框架有效和准确地分段来自两个样品的神经节细胞，并鉴定了基于存在的神经节细胞的数量和大小来鉴定哪些样本来自青光眼的眼睛。

“我们的实验结果表明，弱沟业实际上优于人类专家，它优于其他可以处理体积生物医学图像的最先进的网络，“洛拉坦 - Zadeh说。

除了诊断工作之外，该团队还乐观地说，弱视将使弱视措施更容易对神经变性疾病进行疗法进行临床试验。例如，如果研究正在测试青光眼的疗法，弱会计可及可以看出与对照组相比治疗减缓了细胞变性。单独使用OCT，如果不是数千个的话，则改变的第一个迹象将需要数百个细胞死亡，可能会持续几个月甚至几年。

“通过我们的技术，您可以量化最早的变化，”Farsiu说。“你的临床试验也可能更短，因为你可以看到和测量这种早期效果，所以这里有很多潜力。”

该团队计划继续与食品和药物管理局（FDA），印第安纳大学的同事合作，以及马里兰大学将其技术应用于较大的患者队列。他们还希望将弱曲线延伸到不同的细胞类型，如感光体和眼睛的疾病，如视网膜炎，如视网膜炎和固有的视网膜疾病。

弱gcseg还具有改善诊断和跟踪神经系统疾病进展的潜力。Farsiu说，之前的研究表明，神经节细胞层的变化与中枢神经系统的各种疾病有关，比如阿尔茨海默氏症和帕金森氏症疾病和肌萎缩性侧索硬化症。通过他们的新技术，他们可以进一步研究这种联系，并可能发现有用的生物标记物，以改进这些和其他神经退行性疾病的诊断和治疗。

“我们非常感谢我们在FDA和印第安纳大学的合作者为我们提供样品来测试DeverCGSEG，”Farsiu说。“如果没有唐纳德米勒在印第安纳大学和Zhuolin Liu和Daniel Hammer在FDA推进AO-OCT的情况下，这项工作无法实现。成像技术。看到这种体内单神经元成像技术在未来十年对医疗保健的影响是令人兴奋的。”

---

---