《电子技术应用》
您所在的位置:首页 > 微波|射频 > 业界动态 > 红外成像技术助力人工智能,有望定位乳腺癌等症状发生位置?

红外成像技术助力人工智能,有望定位乳腺癌等症状发生位置?

2019-07-06
关键词: 人工智能 红外成像

  由罗彻斯特理工学院(Rochester Institute of Technology,以下简称RIT)和罗彻斯特地区卫生系统(Rochester Regional Health System,以下简称RRHS)合作开发的非侵入性技术可以提供发现隐藏在致密乳房组织后肿瘤的补充测试选项。

  RIT和RRHS的研究人员合作开发了一种红外成像技术,来辅助当前的乳腺癌检测。从左到右,依次是Satish Kandlikar教授、Jose Luis Gonzalez Hernandez博士和Alyssa Recinella博士正在讨论人工智能系统,该系统可以提供预测性分析,以确定关于癌症进展的更多信息。

  据报道,近日,有研究人员发现了一种利用红外技术定位难以发现的乳腺癌肿瘤的非侵入性且经济有效方法。对于40~50%的乳腺组织致密的女性来说,肿瘤通常很难发现,而最新研究的这项技术与早期干预或大手术之间存在不同之处。

  RIT的教授和学生研究人员,以及来自RRHS的医生,共同开发了一种利用红外成像更好地检测癌症肿瘤的非侵入性技术。该研究小组改进了成像选项技术,使其既舒适又可靠。

  Pradyumna Phatak教授

  RIT的Kate Gleason工程学院的机械工程教授Satish Kandlikar自20世纪90年代以来一直致力于推动热成像技术的发展。他说道:“乳房X光检查技术虽然很好,但目前来说还不算是完美的解决方案。”

  此次研究小组成员分别来自不同的学校和机构,如RIT的Kandlikar教授以及他的热分析和微流控实验室的博士生们,RRHS的诊断成像部的放射科医生Donnette Dabydeen,乳房外科医生兼罗彻斯特地区乳房中心(Rochester Regional Breast Center)的执行主任Lori Medeiros以及利普森癌症研究所(Lipson Cancer Institute)的医学主任兼内科主任Pradyumna Phatak等。

5d1957efe362f-thumb.png

  “该项目得益于RIT实验室研究小组和RRHS负责诊断和治疗乳腺癌的临床医生之间的通力合作,RIT实验室研究小组在热传递领域拥有多年经验。”Phatak说道,“早期发现是我们对抗乳腺癌最有效的策略之一。”

  RRHS的现有患者在乳房X光检查后,如X光片上有可疑发现,患者们都自愿接受再次检测。当被推荐进行后续核磁共振成像(Magnetic Resonance Imaging,MRI)时,这些患者也可以自愿选择是否使用红外系统进行筛查。

5d1957ef7e3eb-thumb.png

  “热成像绝对不是一项新技术,它已经发展了很多年了。”工程博士生兼Kandlikar研究小组成员Alyssa Recinella说道,“人们对它如此感兴趣的原因是因为它不像乳房X光检查那样会产生辐射,也不像MRI那样需要造影剂。它更舒适,患者不需要被扭曲成不同的姿势,也不需要对任何东西进行分裂。它完全是非侵入性的。”

  该系统包含安装在一张软垫桌下轨道上的红外摄像头。当临床医生移动摄像头拍照时,可以调整其角度。Recinella与RRHS中心的乳腺癌专家团队,这些专家有肿瘤学家和放射学家,也有研究人员和社会学家,在检测和协助解释医学信息方面密切合作。

  “我们的实验室桌子中间设计和制作了一个大洞,当我第一次把患者带进房间的时候,引起了很多笑声。”Recinella说。她还补充道,由于人们对热成像检查的紧张心理,笑声有助于缓解紧张。

  热成像技术已经经过了多年的研究,但是今天的技术更加人性化,正是这些进步,RIT研究小组才能够在图像中显示更多细节并验证肿瘤位置。与MRI相比,红外测试只需要20分钟,而MRI则需要45分钟。

  “目前的筛查模式严重依赖于数字乳房X光检查,但这种技术存在缺陷,特别是在乳房组织致密的女性中。而我们的技术:红外成像检查,简单、快速、无创且实惠。”Phatak说道,“我们的初步数据表明,这可能成为常规筛查乳房X光检查更具人性化的辅助手段。后续还需要进一步研究,以决定在实践中利用这一技术的最佳方式。”

  该项目的初始资金由美国国家科学基金会(National Science Foundation,NSF)通过探索性早期概念研究基金(Early Concept Grants for Exploratory Research,EAGER)提供。该资金主要用于早期阶段潜在的变革性研究,RIT-RRHS研究小组获得了为期两年的研究资金,用于筛选患者并将红外图像与原始MRI图像相关联,以提供整个研究和技术的验证。

  拍摄图像只是整个研究的一部分。该团队还使用先进的计算机模拟技术对肿瘤位置和生长进行预测分析。这类似于人工智能,计算系统可以“学习”帮助诊断。获取关于肿瘤类型、大小、生长进展和位置的数据,从而帮助医生评估疾病进展并确定干预措施。Kandlikar表示,所获得的数据是基于一种科学性非常高的方法,通过采用先进数学工具来进行。

  “我们相信,我们的方法将提供成本效益高、可靠的非辐射性和无接触的辅助工具。它对致密的乳房组织同样有效,非常适合提供给偏远地区以及医疗服务能力不足的人群。”Kandlikar说道,“现在是时候通过大规模临床研究来获得应有的关注了。”