تصویربرداری پزشکی — حذف نویز MRI و بیان ژن از پاتولوژی

در یک نگاه

• نویز Speckle جزئیات تشخیصی MRI را پنهان می‌کند؛ سنجش بیان ژن کند و پرهزینه است و تصاویر پاتولوژی سریع و کم‌هزینه.
• مدل‌های حذف نویز Speckle برای MRI، و پایان‌نامه‌ای در پیش‌بینی بیان ژن از تصاویر گیگاپیکسلی پاتولوژی.
• پایان‌یافته: پروژه MRI در ۱۳۹۹؛ پایان‌نامه کارشناسی ارشد در شهریور ۱۴۰۴، با مقاله‌ای در حال تدوین.

نکات برجسته

• کاهش نویز Speckle در MRI

  مدل‌های حذف نویز برای کاهش نویز Speckle که جزئیات تشخیصی را در MRI و فناوری‌های مشابه از بین می‌برد.

• بیان ژن از تصاویر پاتولوژی

  پایان‌نامه می‌سنجد که آیا تصاویر کامل اسلاید پاتولوژی می‌توانند جای سنجش کند و پرهزینه بیان ژن را بگیرند.

• مدل‌های پایه تصویر

  یک مدل پایه تصویر، تصویر گیگاپیکسلی کامل اسلاید را به‌عنوان نخستین گام مسیر پاتولوژی پردازش می‌کند.

• شبکه‌های عصبی گرافی

  یک شبکه عصبی گرافی بر خروجی مدل تصویر بنا می‌شود و خروجی آن به پیش‌بینی بیان ژن می‌رسد.

• تکنیک‌های اقتباس‌شده از مدل‌های زبانی

  تکنیک‌های مدل‌های زبانی بزرگ، اقتباس‌شده برای این کار، در ترکیب با روش‌های آماری و احتمالاتی.

• با هدف پردازش و تاخیر کم

  پایان‌نامه کوشید پردازش و تاخیر را تا حد امکان کم نگه دارد؛ محدودیتی سخت برای ورودی‌های گیگاپیکسلی.

چالش

نویز Speckle جزئیات تشخیصی را در تصاویر MRI از بین می‌برد. پروژه نخست به کاهش این نویز در تصاویر MRI و فناوری‌های مشابه پرداخت.

مسئله دوم به همان اندازه که علمی است، اقتصادی هم هست. به‌دست‌آوردن داده بیان ژن کند، پرهزینه و از نظر اجرایی دشوار است، در حالی که تصاویر کامل اسلاید پاتولوژی بسیار سریع‌تر و کم‌هزینه‌تر به دست می‌آیند. این تصاویر در مقیاس گیگاپیکسل‌اند و پایان‌نامه محدودیتی سخت بر پردازش و تأخیر قرار داده بود.

معماری

دو مسیر پژوهشی. برای MRI، مدل‌های حذف نویز Speckle. برای پاتولوژی، یک مدل پایه تصویر، تصویر کامل اسلاید را پردازش می‌کند و یک شبکه عصبی گرافی بر خروجی آن بنا می‌شود، و تکنیک‌های اقتباس‌شده از مدل‌های زبانی بزرگ نیز در پیش‌بینی بیان ژن به کار می‌روند. رویکرد پایان‌نامه از روش‌های آماری و احتمالاتی نیز بهره می‌گیرد.

راهکار

این پایان‌نامه می‌پرسد آیا تصاویر پاتولوژی می‌توانند جای سنجش بیان ژن را بگیرند. هدف، رسیدن به سیگنال زیست‌شناسی مولکولی مستقیماً از تصاویر گیگاپیکسلی است، و پایان‌نامه کوشید در این مسیر پردازش و تأخیر را تا حد امکان کم نگه دارد.

• MRI: کاهش نویز Speckle در تصاویر MRI و فناوری‌های مشابه.

• پاتولوژی: پیش‌بینی بیان ژن از تصاویر دیجیتال پاتولوژی، با ترکیب شبکه‌های عصبی گرافی، مدل‌های پایه تصویر، تکنیک‌های اقتباس‌شده از مدل‌های زبانی بزرگ و مدل‌سازی آماری.

نتیجه

پایان‌نامه کارشناسی ارشد در شهریور ۱۴۰۴ در دانشگاه صنعتی اصفهان به پایان رسید و مقاله‌ای بر پایه آن در حال تدوین است. پروژه کاهش نویز Speckle در تصاویر MRI برای یک شرکت خصوصی از فروردین ۱۳۹۹ تا اسفند ۱۳۹۹ انجام شد.

نقش من

• در کاهش نویز Speckle در تصاویر MRI و فناوری‌های مشابه برای یک شرکت خصوصی پژوهش کرد، از فروردین ۱۳۹۹ تا اسفند ۱۳۹۹.
• پایان‌نامه کارشناسی ارشد خود را در دانشگاه صنعتی اصفهان در زمینه پیش‌بینی بیان ژن از تصاویر دیجیتال پاتولوژی نوشت.
• در رویکرد پایان‌نامه، شبکه‌های عصبی گرافی، مدل‌های پایه تصویر، تکنیک‌های اقتباس‌شده از مدل‌های زبانی و روش‌های آماری را با هم ترکیب کرد.
• پایان‌نامه را زیر محدودیتی سخت بر پردازش و تاخیر پیش برد.

مهندسی

• پردازش و تاخیر به‌عنوان محدودیت

  پایان‌نامه زیر محدودیتی سخت بر پردازش و تاخیر انجام شد و کوشید هر دو را تا حد امکان کم نگه دارد.

• طراحی برای ورودی گیگاپیکسلی

  مسیر پاتولوژی مستقیماً روی تصاویر گیگاپیکسلی کامل اسلاید کار می‌کند.

• چند خانواده مدل، یک پیش‌بینی

  روش‌های گرافی، مدل پایه تصویر و تکنیک‌های اقتباس‌شده از مدل‌های زبانی، همراه با روش‌های آماری، به یک پیش‌بینی بیان ژن می‌رسند.

دستاوردها

• پایان‌نامه کارشناسی ارشد در شهریور ۱۴۰۴ در دانشگاه صنعتی اصفهان به پایان رسید؛ مقاله‌ای بر پایه آن در حال تدوین است.
• پروژه کاهش نویز Speckle در تصاویر MRI برای یک شرکت خصوصی، از فروردین ۱۳۹۹ تا اسفند ۱۳۹۹ انجام شد.
• عنوان پایان‌نامه: تحلیل تصاویر پاتولوژی به منظور استخراج داده بیان ژن (زیست‌شناسی مولکولی) از آن‌ها.