بهبود كيفيت تصاوير پخش نوري از تومور سينه با استفاده از هوش مصنوعي

مقدمه: تصويربرداري پخش نوري يك تكنيك تصويربرداري غيرتهاجمي و غيرمخرّب است كه از امواج الكترومغناطيسي در محدوده‌ي طول موجيِ فروسرخ نزديك براي اندازه‌گيري ويژگي‌هاي اپتيكي بافت زيستي نظير جذب و پراكندگي از مرزهاي محيط استفاده مي‌كند. عواملي چون پراكندگي بسيار زياد نور در بافت‌هاي زيستي و تعداد محدود اندازه‌گيري‌ها سبب شده مسئله‌ي بازسازي تصوير در اين تكنيك چالش‌برانگيز شود. اخيراً شبكه‌هاي عصبي ژرف به حوزه بازسازي تصوير وارد شده‌اند و توانسته‌اند عملكرد بسيار خوبي از خود نشان دهند. در اين پژوهش، روشي جديد برپايه‌ي يادگيري ژرف براي حلّ اين مسئله ارائه شده است. روش بررسي: براي پياده‌سازي اين روش با استفاده از شبيه‌سازي رايانه‌اي، بافت‌هايي مكعبي‌شكل با ابعاد 64×64×64 mmبا تومورهايي در عمق 21 تا 42 ميلي‌متري ايجاد گرديد. براي اندازه‌گيري‌ از مرز بافت، شبكه‌اي 5×5  از منابع و آشكارسازها در طرفين بافت تعبيه كرديم. براي انجام عمل بازسازي، دو شبكه عصبي ژرف با معماري كاملاً متصّل و كانوولوشني دوبعدي ايجاد نموديم. يافته‌ها: براي سنجش كارايي اين الگوريتم‌ها، عملكرد آن‌ها را با يكي از روش‌هاي كلاسيك برپايه‌ي مدل يعني روش گراديان مزدوج مقايسه كرديم. براي مقايسه‌ي اين روش‌ها از معيارهايي چون ميانگين خطاي مطلق (MAE)، خطاي حداقل مربّعات (MSE)، بيشينه سيگنال به نويز ((PSNR و شاخص شباهت ساختاري  (SSIM)استفاده شد. نتايج به دست آمده نشان داد كه   MSEبه صورت ميانگين 86 درصد و MAE تا 81 درصد كاهش داشته و PSNR  2 برابر افزايش يافته‌ است. نتيجه‌گيري: نتايج اين پژوهش نشان داد كه استفاده از شبكه‌هاي مصنوعي ژرف در مقايسه با روش‌هاي بازسازي كلاسيك جهت يازسازي تصاوير پخش نوري مي‌تواند موجب بهبود كيفيت تصاوير به دست‌آمده شود.