杜克大学的生物医学工程师开发了一种新型成像系统，该系统利用人工智能技术，能够比现有更昂贵的技术更清晰地观察单个视网膜细胞。这一进展可能极大地提高现代医学对多种疾病的诊断和监测能力。
这项研究发表在《科学进展》杂志上。
视网膜是眼睛后部的一层薄薄的光敏细胞，它在将视觉信息转换并传输到大脑中起着至关重要的作用。作为中枢神经系统的延伸，它为研究人员提供了一种独特的、非侵入性的手段来在细胞水平上观察神经元。
“这些视网膜细胞可以作为研究脑部疾病如阿尔茨海默病或多发性硬化症的替代物。精确成像是早期检测的关键。通过更清晰的图像，我们可以更早地识别疾病，并比其他脑成像方法更有效地评估实验疗法。”杜克大学生物医学工程和眼科安德森-鲁普教授Sina Farsiu说。
目前最常用的视网膜细胞成像方法是自适应光学扫描激光检眼镜（AOSLO）。传统的AOSLO图像仅由直接从视网膜反射的光线形成。然而，这些图像通常包含误导性的伪影，促使现代AOSLO系统结合间接反射光中的非共焦信息来解析视网膜细胞。
Farsiu解释说：“非共焦AOSLO方法通常只使用两个传感器来捕捉散射光。虽然这提供了从一个角度的见解，但不足以完全捕捉视网膜结构的形状和健康状况。例如，水平方向的血管可能会被正确解析，而垂直方向的血管则可能被遗漏。”
为了解决这一挑战，人们依赖于额外的传感器，这些传感器提供了关于微结构的详细信息，但需要昂贵且复杂的设备。另一种方法是每次扫描后调整传感器的位置，但这会大大增加成像时间，影响患者的舒适度和安全性。
为了克服这些限制，Farsiu和他的团队开发了一种名为深度压缩AOSLO（DCAOSLO）的新方法。这种方法使用压缩感知技术，这是一种信号处理技术，只需要少数几次投影即可快速重建图像。
通过使用软件控制倾斜的小镜子阵列来收集视网膜反射光，DCAOSLO可以在不需要标准AOSLO中耗时的逐传感器扫描的情况下捕获关键特征。数据随后由人工智能算法处理，生成的图像就像由多个传感器生成的一样。
“DCAOSLO可以同时从12个传感器位置捕捉散射光，但只需两个传感器，同时显著降低了成本和成像时间，”Farsiu实验室的博士生Jongwan Park说，他是该论文的第一作者。“我们的硬件修改非常小，研究人员可以轻松地将其集成到现有的AOSLO设置中。”
为了展示DCAOSLO的能力，团队用它来成像健康和患病受试者的各种视网膜结构。该系统不仅改善了杆状细胞、锥状细胞和血管细胞的图像，而且成像速度比传统AOSLO设置快近100倍。
Farsiu说：“只有当单细胞视网膜成像系统，包括AOSLO，能够快速、准确且经济地进行成像时，它们才会被广泛应用于临床。DCAOSLO是一种实用的诊断工具，有潜力改变神经系统、心血管、糖尿病和视网膜疾病的管理。”
(全文结束)
