A.I. și celulele retiniene ascunse
Imagistica oftalmică in vivo de înaltă rezoluție permite vizualizarea și cuantificarea celulelor, oferind posibilitatea de a dezvălui starea celulelor individuale în sănătate și boală. Pentru multe instrumente de imagistică optică, zgomotul inerent proceselor de imagistică reduce contrastul. Cea mai directă modalitate de a suprima zgomotul este media incoerentă a unui număr mare de volume. Cu toate acestea, acest lucru prelungește timpul general de achiziție, nu numai datorită volumelor suplimentare necesare, ci și din cauza posibilității apariției de artefacte sau erori de înregistrare în volumele dobândite secvenţial din cauza mișcărilor oculare involuntare constante care traduc și distorsionează vizualizarea celulară obținută din câmpul vizual al imaginii microscopice care este utilizat în mod obișnuit în imagistica retiniană cu optică adaptivă (AO).
Pentru unele aplicații, s-au propus modificări hardware pentru a permite obținerea mai rapidă a achizițiilor repetate de volum, pe baza scurtării timpului de decorelație a speckle sau prin producerea de modele de speckle necorelate prin frecvență.Cu toate acestea, capacitatea de a vizualiza detaliile celulare doar dintr-o singură achiziție, mai degrabă decât din achizițiile multiple care sunt încă necesare chiar și cu aceste modificări hardware, ar putea reduce substanțial timpul necesar pentru vizualizarea celulelor RPE și ar fi un pas transformator către realizareaAO-OCT un instrument de imagistică clinică mai eficient.
Modelele de inteligență artificială (AI) bazate pe date au oferit soluții promițătoare pentru sarcinile de modelare generativă, cum ar fi reconstrucția de înaltă rezoluție a angiogramelor și creșterea datelor în imaginile ambilor ochi. S-a explorat potențialul AI pentru recuperarea structurii celulare complete dintr-o singură achiziție AO-OCT zgomotoasă. Rețeaua generativă bazată pe învățarea profundă (GAN) oferă un cadru puternic pentru sintetizarea imaginilor cu aspect realist din zgomot aleatoriu printr-o competiție între rețelele de discriminare și generatoare și a fost aplicată cu succes pentru aplicații de îmbunătățire a imaginii în care un semnal scăzut.
În cazul imaginilor AO-OCT, RPE sunt mascate de o cantitate copleșitoare de pete fiind dificil să se vizualizeze structura celulară într-o singură imagine, fără medie, ceea ce face ca procesul de recuperare a celulei să fie extrem de dificil.Strategia asistată de AI pentru a îmbunătăți vizualizarea detaliilor celulare dintr-o singură imagine AO-OCT ascunsă de pete poate transforma modul în care sunt achiziționate datele de imagistică.
Această strategie nu numai că permite vizualizarea pe scară largă și evaluarea neinvazivă a structurii celulare în ochiul uman viu, dar, de asemenea, reduce substanțial timpul și sarcina de manipulare a datelor asociate cu obținerea datelor. Aceste progrese ajută la a face imagistica optic adaptivă mai accesibilă pentru aplicarea clinică de rutină și sunt pași critici pentru clarificarea înțelegerii noastre asupra structurii, funcției și fiziopatologiei bolilor retinei.