Red neuronal informada por la física para mapear la dinámica vascular y tisular utilizando imágenes de contraste de...

Área de la Ciencia:

• Óptica Biomédica
• Neuroimagen
• Inteligencia Artificial en Medicina

Sus antecedentes:

• Las imágenes de contraste de speckle láser (LSCI) son cruciales para estudiar el flujo sanguíneo cerebral, el acoplamiento neurovascular y los accidentes cerebrovasculares.
• Los métodos convencionales de análisis de LSCI son lentos y difíciles de escalar, lo que dificulta las aplicaciones en tiempo real.
• Existe la necesidad de métodos eficientes basados en la física para extraer la dinámica vascular y tisular de los datos de LSCI.

Objetivo del estudio:

• Desarrollar y validar una red neuronal informada por la física (PINN) para la estimación cuantitativa de la dinámica vascular y tisular a partir de LSCI.
• Lograr la estimación directa de parámetros de decorrelación de speckle rápidos (vasculares) y lentos (relacionados con el tejido) sin etiquetas de verdad fundamental.
• Permitir el análisis rápido píxel a píxel de mediciones LSCI de campo completo.

Principales métodos:

• Se desarrolló una PINN que integra un modelo analítico de LSCI en la función de pérdida de la red para la consistencia física.
• Se empleó un enfoque de aprendizaje autosupervisado para la inferencia píxel a píxel en imágenes LSCI.
• Se validó el marco PINN utilizando conjuntos de datos LSCI de accidentes cerebrovasculares de ratón in vivo.

Principales resultados:

• La PINN recuperó con precisión las tasas de decorrelación rápidas (flujo sanguíneo cerebral) y las dinámicas lentas (movimiento tisular/celular).
• Se generaron mapas de parámetros comparables a los métodos tradicionales, pero se logró una velocidad de análisis órdenes de magnitud más rápida (segundos frente a horas).
• Se demostró la generalización a sujetos no vistos y la robustez en condiciones de ruido.

Conclusiones:

• El aprendizaje informado por la física proporciona un marco práctico para la extracción casi en tiempo real de biomarcadores vasculares y celulares de LSCI.
• Este método permite el monitoreo longitudinal eficiente de la progresión de los accidentes cerebrovasculares.
• El enfoque tiene el potencial de facilitar la traducción clínica de los diagnósticos basados en LSCI.