疎な測定値からの高密度ピクセルサンプリングを可能にする人工知能支援網膜イメージング

科学分野:

• 眼科学; 生体医用画像処理; 人工知能

背景:

• 高解像度の生体適応光学（AO）イメージングにより、円錐視細胞の細胞評価が可能になります。; AOイメージングにおける高密度ピクセルサンプリングは取得速度を制限し、モーションアーティファクトと大規模なデータセットを引き起こします。

研究 の 目的:

• AOイメージングの効率を向上させるAI支援イメージングフレームワークを導入すること。; AOイメージングにおけるピクセル解像度と取得速度のトレードオフを克服すること。

主な方法:

• 残差内の残差トランスフォーマー敵対的生成ネットワーク（RRTGAN）AI法を利用しました。; 疎にサンプリングされたAO画像からピクセル解像度を復元するAIフレームワークを開発しました。; AI復元画像とグラウンドトゥルースおよび組織学的データを比較しました。

主要な成果:

• RRTGANはデータ効率の良いイメージングを可能にし、データ量のわずか25%から高品質な画像を復元しました。; AI支援画像は、グラウンドトゥルース画像と密接に一致しました。; AI支援画像からの円錐間隔推定値は、組織学的データと一致しました。

結論:

• AI支援イメージング、特にRRTGANは、AOイメージングにおけるピクセルサンプリングと速度のトレードオフを克服できます。; このアプローチは、日常的な臨床AOイメージングの効率を高めます。; 眼科における診断能力を向上させる可能性を示しています。