مرکز تحقیقات رادیولوژی نوین و تهاجمی | PanCanAID–Pancreas Cancer Artificial Intelligence

مرکز تحقیقات رادیولوژی نوین و تهاجمی | PanCanAID–Pancreas Cancer Artificial Intelligence
logo

مرکز تحقیقات رادیولوژی نوین و تهاجمی

دانشگاه علوم پزشکی تهران

 

فعالیتهای مرکز تحقیقات رادیولوژی در حوزه هوش مصنوعی

با توجه به حجم گسترده داده‌های تصویری که روزانه تولید می‌شود، مراکز تحقیقات رادیولوژی پتانسیل عظیمی برای بهره‌گیری از هوش مصنوعی دارند. این فناوری می‌تواند دقت و سرعت تشخیص بیماری‌ها را به طور چشمگیری بهبود بخشد و به رادیولوژیست‌ها در اتخاذ تصمیمات بالینی آگاهانه کمک کند. در ادامه برخی از فعالیت‌های مراکز تحقیقات رادیولوژی در حوزه هوش مصنوعی آورده شده است:

MRI

 (تصویربرداری تشدید مغناطیسی) یک روش تصویربرداری پزشکی غیرتهاجمی است که برای تولید تصاویر دقیق از اندام‌ها، بافت‌ها و ساختارهای داخلی بدن استفاده می‌شود. این فناوری از میدان‌های مغناطیسی قوی و امواج رادیویی برای تولید تصاویر با وضوح بالا بهره می‌برد. برخلاف اشعه ایکس یا سی‌تی‌اسکن، MRI از پرتوهای یونیزان استفاده نمی‌کند و به همین دلیل برای بیماران ایمن‌تر است.

 

1-  توسعه الگوریتم‌های تشخیص خودکار بیماری‌ها:

  • تشخیص تومور: توسعه الگوریتم‌هایی برای تشخیص خودکار انواع تومورها در تصاویر رادیولوژی (مانند سی‌تی اسکن، ام‌آر‌آی و پت اسکن).
  • تشخیص بیماری‌های ریوی: تشخیص خودکار بیماری‌هایی مانند پنومونی، کووید-۱۹ و فیبروز ریوی.
  • تشخیص بیماری‌های قلبی-عروقی: تشخیص زودهنگام بیماری‌های قلبی-عروقی مانند آنوریسم آئورت و تنگی عروق کرونر.

 

۲. بهینه‌سازی فرآیندهای تصویربرداری:

  • کاهش دوز پرتو: توسعه الگوریتم‌هایی برای کاهش دوز پرتو در حین انجام تصویربرداری، به ویژه برای کودکان و زنان باردار.
  • بهبود کیفیت تصاویر: استفاده از هوش مصنوعی برای بهبود کیفیت تصاویر رادیولوژی و کاهش نویز.
  • تسهیل تفسیر تصاویر: توسعه ابزارهایی برای کمک به رادیولوژیست‌ها در تفسیر تصاویر رادیولوژی، مانند برجسته‌سازی مناطق مشکوک.

 

3. تحلیل داده‌های بزرگ (Big Data):

  • شناسایی الگوها: استفاده از الگوریتم‌های یادگیری ماشین برای شناسایی الگوهای پنهان در داده‌های رادیولوژی و کشف ارتباطات جدید بین بیماری‌ها و عوامل خطر.
  • پیش‌بینی پیشرفت بیماری: پیش‌بینی روند پیشرفت بیماری در بیماران مبتلا به بیماری‌های مزمن.
  • ارزیابی اثربخشی درمان: ارزیابی اثربخشی روش‌های مختلف درمانی بر اساس داده‌های رادیولوژی.

 

 

 

4. توسعه ابزارهای کمک‌تشخیصی:

  • کمک به رادیولوژیست‌ها: توسعه ابزارهایی برای کمک به رادیولوژیست‌ها در تشخیص بیماری‌ها، مانند ابزارهای اندازه‌گیری خودکار و طبقه‌بندی خودکار ضایعات.
  • تفسیر گزارش‌های رادیولوژی: توسعه سیستم‌هایی برای تفسیر خودکار گزارش‌های رادیولوژی و استخراج اطلاعات کلیدی.

 

۵. همکاری با سایر حوزه‌ها:

  • همکاری با مهندسان نرم‌افزار: توسعه و پیاده‌سازی الگوریتم‌های هوش مصنوعی.
  • همکاری با متخصصان پزشکی: اعتبارسنجی مدل‌های هوش مصنوعی و اطمینان از اثربخشی آن‌ها در محیط‌های بالینی.
  • همکاری با دانشمندان داده: جمع‌آوری، پردازش و تحلیل داده‌های رادیولوژی.

 

۶. آموزش و پژوهش:

  • آموزش پرسنل: برگزاری دوره‌های آموزشی برای آشنایی پرسنل مرکز با مفاهیم و کاربردهای هوش مصنوعی در رادیولوژی.
  • انجام پژوهش‌های بنیادی: انجام پژوهش‌های بنیادی در حوزه هوش مصنوعی برای رادیولوژی به منظور توسعه الگوریتم‌های جدید و بهبود روش‌های موجود.
  • انتشار مقالات علمی: انتشار نتایج پژوهش‌ها در مجلات معتبر علمی.

 

جمع‌بندی:
با توجه به پیشرفت‌های سریع در حوزه هوش مصنوعی، نقش آن در رادیولوژی در آینده بیش از پیش پررنگ خواهد شد. مرکز تحقیقات رادیولوژی می‌تواند با سرمایه‌گذاری در این حوزه، سهم بسزایی در پیشرفت‌های پزشکی و بهبود خدمات تشخیصی ایفا کند.

 

دستاوردهای علمی مرکز در زمینه هوش مصنوعی به شرح زیر می باشد:

 

  • تاریخ انتشار : 1403/12/21 - 08:47
  • : 75
  • زمان مطالعه : 1 دقیقه

PanCanAID Pancreas Cancer Artificial Intelligence Driven Diagnosis in CT Scan Imaging: A Protocol for a Multicentric Ambispective Diagnostic Study

PanCanAID–Pancreas Cancer Artificial Intelligence  {faces}

Introduction Pancreatic cancer is thought to have an extremely dismal prognosis. Most cancer-related deaths occur from metastasis rather than the primary tumor, although individuals with tumors smaller than 1 cm in diameter have more than 80% 5-year survival. Thus, the current protocol introduces PanCanAID project which intends to develop several computer-aided-diagnosis (CAD) systems to enhance pancreatic cancer diagnosis and management using CT scan imaging.

Methods and analysis Patients with pathologically confirmed pancreatic ductal adenocarcinoma (PDAC) or pancreatic neuroendocrine tumor (PNET) will be included as pancreatic cancer cases. The controls will be patients without CT evidence of abdominal malignancy. A data bank of contrast-enhanced abdominopelvic CT scans, survival data, and demographics will be collected from ten medical centers in four provinces. Endosonography images and clinical data, if available, will be added to the data bank. Annotation and manual segmentation will be handled by radiologists and confirmed by a second expert radiologist in abdominal imaging. PanCanAID intelligent system is designed to (1) detect abdominopelvic CT scan phase, (2) segment pancreas organ, (3) diagnose pancreatic cancer and its subtype in arterial phase CT scan, (4) diagnose pancreatic cancer and its subtype in non-contrast CT scan, (5) carry out prognosis (TNM stage and survival) based on arterial phase CT scan, (6) and estimate tumor resectability. A domain adaptation step will be handled to use online data and provide pancreas organ segmentation to reduce the segmentation time. After data collection, a state-of-the-art deep learning algorithm will be developed for each task and benchmarked against rival models.

Conclusion PanCanAID is a large-scale, multidisciplinary AI project to assist clinicians in diagnosing and managing pancreas cancer. Here, we present the PanCanAID protocol to assure the quality and replicability of our models. In our experience, the effort to prepare a detailed protocol facilitates a positive interdisciplinary culture and the preemptive identification of errors before they occur.

  • Article_DOI : https://doi.org/10.1101/2023.08.03.23293596
  • نویسندگان : seyed amir ahmad safavi-naini,armin behnamnia
  • گروه خبر : پژوهش,research article,AI
  • کد خبر : 292245
مدیر سایت
تهیه کننده:

مدیر سایت

0 نظر برای این مطلب وجود دارد

ارسال نظر

نظر خود را وارد نمایید:

متن درون تصویر را در جعبه متن زیر وارد نمائید *
متن مورد نظر خود را جستجو کنید
تنظیمات پس زمینه