به گزارش شهرآرانیوز؛ این سیستم که VesselVision-Net نام دارد، برای تجزیه و تحلیل سیتیاسکنهای تقویتشده با کنتراست و شناسایی و نقشهبرداری خودکار رگهای کبدی - از جمله شاخههای بسیار کوچکی که اغلب تشخیص آنها برای سیستمهای کامپیوتری موجود دشوار است - طراحی شده است. محققان میگویند که این فناوری در نهایت میتواند از برنامهریزی ایمنتر و آگاهانهتر جراحی کبد پشتیبانی کند. چرا نقشهبرداری از رگهای کبد اهمیت دارد
جراحان قبل از برداشتن تومور کبد باید دقیقاً بدانند که تومور در کجای رگهای خونی کبد قرار دارد.
کبد حاوی شبکهای پیچیده از رگها است که به طور مکرر به رگهای کوچکتر و کوچکتر منشعب میشوند. موقعیت آنها میتواند بر امکان برداشتن کامل تومور، میزان بافت کبد مورد نیاز برای برداشتن و نحوه انجام عمل تأثیر بگذارد.
سیتیاسکن با کنتراست بالا به طور گسترده برای تجسم این رگها استفاده میشود. اما تبدیل سیتیاسکن به یک نقشه سهبعدی دقیق از شبکه عروقی دشوار است. رگهای کوچک ممکن است کنتراست ضعیفی نسبت به بافت اطراف داشته باشند، در حالی که نویز و انشعاب نامنظم سیستم عروقی میتواند تشخیص آنها را دشوارتر کند.
نقشهبرداری دستی رگها نیز میتواند زمانبر و مستعد خطا باشد. مشکل سیستمهای هوش مصنوعی موجود
سیستمهای یادگیری عمیق پیش از این در بخشبندی خودکار رگهای کبد نویدبخش بودهاند. با این حال، محققان میگویند بسیاری از رویکردهای موجود در شناسایی تنههای رگ بزرگ نسبت به شاخههای نازک در لبههای بیرونی کبد بهتر عمل میکنند.
این یک محدودیت مهم است، زیرا از دست دادن یک شاخه کوچک میتواند منجر به تصویر ناقص از آناتومی عروقی شود.
بنابراین، VesselVision-Net حول یک هدف خاص طراحی شد: بهبود تشخیص و تداوم رگهای محیطی کوچک و کم کنتراست در عین حفظ نمایش دقیق شبکه عروقی بزرگتر.
نحوه کار VesselVision-Net
این سیستم جدید چندین تکنیک هوش مصنوعی را ترکیب میکند تا بتواند هم تصویر آناتومیک وسیعتر و هم جزئیات دقیق در سیتیاسکن را بررسی کند.
یکی از اجزای آن، به نام «ماژول فیوژن متسع» (DFM)، اطلاعات تصویر را در مقیاسهای مکانی متعدد بررسی میکند. این سیستم از انواع مختلف کانولوشن برای ثبت جزئیات دقیق رگها و همچنین بافت آناتومیک …
