‘OxyGAN’ basado en IA es un método sólido y eficaz para medir los niveles de oxígeno en los tejidos

OxyGAN produce mapas de oxigenación de tejidos directamente a partir de imágenes SFDI monofásicas con iluminación de 659 nm y 851 nm. Crédito: SPIE

La oxigenación tisular es una medida del nivel de oxígeno en el tejido biológico y es un biomarcador clínico útil para la viabilidad tisular. Los niveles anormales pueden indicar la presencia de condiciones tales como sepsis, diabetes, infección viral o enfermedad pulmonar, y el control efectivo es importante para la orientación quirúrgica, así como para la atención médica.

Existen varias técnicas para la medición de la oxigenación tisular, pero todas tienen algunas limitaciones. Por ejemplo, la oximetría de pulso es robusta y de bajo costo, pero no puede proporcionar una medida localizada de oxigenación. La espectroscopia de infrarrojo cercano, por otro lado, es propensa a mediciones ruidosas debido a las sondas de contacto sensibles a la presión. Las imágenes en el dominio de la frecuencia espacial (SFDI) han surgido como una técnica prometedora sin contacto que mapea las concentraciones de oxígeno en los tejidos en un amplio campo de visión. Si bien es fácil de implementar, SFDI tiene sus propias limitaciones: requiere una secuencia de varias imágenes para que sus predicciones sean precisas y es propenso a errores cuando se trabaja con instantáneas individuales.

En un nuevo estudio publicado en el Journal de Óptica Biomédica, los investigadores de la Universidad Johns Hopkins, Mason T. Chen y Nicholas J. Durr, han propuesto una técnica integral para el cálculo preciso de la oxigenación de tejidos a partir de instantáneas individuales, llamada OxyGAN. Desarrollaron este enfoque utilizando una clase de marco de aprendizaje automático llamado red adversaria generativa condicional (cGAN), que utiliza dos redes neuronales, un generador y un discriminador, simultáneamente en los mismos datos de entrada. El generador aprende a producir imágenes de salida realistas, mientras que el discriminador aprende a determinar si un par de imágenes dado forma una reconstrucción correcta para una entrada dada.

Comparación de SFDI, SSOP y OxyGAN con perfil corregido. Crédito: doi 10.1117/1.JBO.25.11.112907

Utilizando SDFI convencional, los investigadores obtuvieron mapas de oxigenación para el esófago humano (ex vivo), las manos y los pies (in vivo) y el colon de un cerdo (in vivo) bajo iluminación con dos longitudes de onda diferentes (659 y 851 nm). Entrenaron a OxyGAN con las muestras de pies y esófago y guardaron las muestras de manos y colon para probar su rendimiento más tarde. Además, compararon su rendimiento con una técnica de instantánea única basada en un modelo físico y una técnica híbrida de dos pasos que consistía en un modelo de aprendizaje profundo para predecir las propiedades ópticas y un modelo físico para calcular la oxigenación de los tejidos.

Los investigadores descubrieron que OxyGAN podía medir la oxigenación con precisión, no solo para las muestras que había visto durante el entrenamiento (pies humanos), sino también para las muestras que no había visto (mano humana y colon de cerdo), lo que demuestra la solidez del modelo. . Se desempeñó mejor que el modelo de instantánea única y el modelo híbrido en un 24,9 % y un 24,7 %, respectivamente. Además, los científicos optimizaron OxyGAN para calcular ~ 10 veces más rápido que el modelo híbrido, lo que permite el mapeo en tiempo real a una velocidad de 25 Hz. Frdric Leblond, editor asociado de Journal of Biomedical Optics, comenta: «Este artículo no solo representa avances significativos que pueden contribuir a la implementación clínica práctica de imágenes de dominio de frecuencia espacial, sino que también formará parte de un proyecto relativamente pequeño (aunque rápidamente aumentando de tamaño) conjunto de trabajos publicados sólidos que utilizan métodos de tipo IA para tratar con datos ópticos biomédicos reales».

Si bien el algoritmo de OxyGAN podría optimizarse aún más, este enfoque es prometedor como una técnica novedosa para medir oxigenación de tejidos.

Explore más

La gorra de imágenes portátil proporciona una ventana al cerebro de los bebés Más información: Mason T. Chen et al, Mapeo rápido de oxigenación de tejidos a partir de imágenes instantáneas de luz estructurada con aprendizaje profundo contradictorio , Revista de Óptica Biomédica (2020). DOI: 10.1117/1.JBO.25.11.112907 Información de la revista: Journal of Biomedical Optics

Proporcionado por SPIE Cita: «OxyGAN» basado en IA es un , método efectivo para medir los niveles de oxígeno en los tejidos (2020, 1 de diciembre) recuperado el 30 de agosto de 2022 de https://medicalxpress.com/news/2020-12-ai-based-oxygan-robust-efective-method.html Este documento está sujeto a los derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigación privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona únicamente con fines informativos.