國立衛生研究院的研究人員將人工智能 (AI) 應用于一種能夠生成眼睛細胞高分辨率圖像的技術。他們報告稱，借助 AI，成像速度提高了 100 倍，圖像對比度提高了 3.5 倍。他們表示，這一進展將為研究人員提供更好的工具來評估年齡相關性黃斑變性(AMD)和其他視網膜疾病。

“人工智能有助于克服視網膜成像細胞的一個關鍵限制，即時間，”NIH 國家眼科研究所臨床和轉化成像部門負責人 Johnny Tam 博士說。

Tam 正在開發一種稱為自適應光學 (AO) 的技術，以改進基于光學相干斷層掃描 (OCT) 的成像設備。與超聲波一樣，OCT 是無創、快速、無痛的，是大多數眼科診所的標準設備。

使用 AO-OCT 對 RPE 細胞進行成像面臨著新的挑戰，其中包括一種稱為散斑的現象。散斑對 AO-OCT 的干擾就像云對航空攝影的干擾一樣。在任何給定時刻，圖像的某些部分可能會被遮擋。管理散斑有點類似于管理云層。研究人員在很長一段時間內反復對細胞進行成像。隨著時間的推移，斑點會發生變化，從而使細胞的不同部分變得可見。然后，科學家們承擔了一項費力且耗時的任務，將許多圖像拼湊在一起，以創建無斑點的 RPE 細胞圖像。

Tam 和他的團隊開發了一種基于人工智能的新型方法，稱為并行判別器生成狀語網絡 (P-GAN)，這是一種深度學習算法。通過向 P-GAN 網絡提供近 6,000 張手動分析的 AO-OCT 采集的人類 RPE 圖像(每張圖像都與其相應的斑點原始圖像配對)，該團隊訓練網絡識別和恢復斑點模糊的細胞特征。

在新圖像上進行測試時，P-GAN 成功去除了 RPE 圖像的斑點，恢復了細胞細節。通過一張圖像捕獲，它生成的結果與手動方法相當，手動方法需要采集 120 張圖像并對其求平均值。憑借評估細胞形狀和結構等各種客觀性能指標，P-GAN 的性能優于其他人工智能技術。 NEI 臨床和轉化成像部門的博士后 Vineeta Das 博士估計，P-GAN 將成像采集和處理時間減少了約 100 倍。 P-GAN 還產生了更大的對比度，比以前高出約 3.5。

Tam 說：“自適應光學將基于 OCT 的成像提升到了一個新的水平。” “這就像從陽臺座位移動到前排座位來對視網膜進行成像一樣。借助 AO，我們可以以細胞尺度分辨率揭示 3D 視網膜結構，使我們能夠放大疾病的早期跡象。”

雖然將 AO 添加到 OCT 可以提供更好的細胞視圖，但在捕獲 AO-OCT 圖像后對其進行處理要比不使用 AO 的 OCT 花費更長的時間。

Tam 的最新研究目標是視網膜色素上皮 (RPE)，這是感光視網膜后面的一層組織，支持代謝活躍的視網膜神經元，包括光感受器。視網膜位于眼睛后部，捕獲、處理進入眼睛前部的光線并將其轉換為信號，然后通過視神經傳輸到大腦。科學家們對 RPE 很感興趣，因為許多視網膜疾病都是在 RPE 損壞時發生的。

Tam 認為，通過將 AI 與 AO-OCT 相結合，使用 AO-OCT 進行常規臨床成像的一個主要障礙已經被克服，特別是對于影響 RPE 的疾病，這種疾病傳統上很難成像。