Công nghệ Chụp cắt lớp quang học kết hợp nội soi (OCT) mang đến tiềm năng chẩn đoán bệnh tai giữa chính xác hơn. Tuy nhiên, việc đọc và phân tích hình ảnh OCT gặp nhiều thách thức. Vivo Cloud Register là một giải pháp tiềm năng, bằng cách kết hợp dữ liệu hình ảnh OCT in vivo với mô hình tai giữa ex vivo, giúp cải thiện khả năng đọc và chẩn đoán.
Hình ảnh OCT và Chẩn đoán Bệnh Tai Giữa
Viêm tai giữa là một bệnh lý phổ biến, đặc biệt ở trẻ em. Phương pháp chẩn đoán hiện tại chủ yếu dựa vào quan sát bằng otoscope, mang tính chủ quan và hạn chế khả năng phát hiện bệnh lý. OCT nội soi cung cấp hình ảnh có độ phân giải cao, cho phép đo lường hình thái và chức năng tai giữa in vivo. Tuy nhiên, việc phân tích hình ảnh OCT phức tạp và tốn thời gian do nhiễu và che khuất từ các cấu trúc tai.
Vivo Cloud Register: Giải pháp từ C2P-Net
Để giải quyết vấn đề này, các nhà nghiên cứu đã phát triển C2P-Net, một quy trình đăng ký không cứng hai giai đoạn cho đám mây điểm. C2P-Net kết hợp thông tin hình thái từ mô hình tai giữa ex vivo với dữ liệu OCT thể tích in vivo.
Giai đoạn 1: Đăng ký cứng ban đầu: NgeNet (Neighborhood-aware Geometric Encoding Network) được sử dụng để tìm kiếm sự tương ứng giữa các điểm trên đám mây điểm ex vivo và in vivo, đồng thời ước tính ma trận biến đổi cứng ban đầu.
Giai đoạn 2: Đăng ký không cứng theo hình chóp: NDP (Neural Deformation Pyramid) được sử dụng để dự đoán biến dạng không cứng của đám mây điểm, tinh chỉnh sự khớp giữa mô hình ex vivo và dữ liệu in vivo.
Huấn luyện C2P-Net với Dữ liệu Tổng hợp
Do thiếu dữ liệu huấn luyện thực tế, một quy trình tạo dữ liệu tổng hợp trong Blender3D đã được phát triển. Quy trình này mô phỏng các biến thể hình dạng tai giữa và tạo ra đám mây điểm in vivo nhiễu và không hoàn chỉnh, tương tự như dữ liệu OCT thực tế. C2P-Net được huấn luyện trên tập dữ liệu tổng hợp này, cho phép khái quát hóa cho dữ liệu bệnh nhân mới và thích ứng với nhiễu.
Đánh giá Hiệu suất của Vivo Cloud Register
C2P-Net được đánh giá trên cả dữ liệu tổng hợp và dữ liệu OCT thực tế. Kết quả cho thấy C2P-Net có khả năng đăng ký mô hình ex vivo với đám mây điểm tai giữa không hoàn chỉnh và nhiễu, cả trong dữ liệu tổng hợp và thực tế. C2P-Net vượt trội hơn so với các phương pháp đăng ký không cứng khác như NICP và CPD về độ chính xác và khả năng bảo toàn cấu trúc giải phẫu tai giữa.
Kết luận
Vivo cloud register thông qua C2P-Net là một bước tiến quan trọng trong việc cải thiện chẩn đoán bệnh tai giữa bằng OCT. Việc kết hợp dữ liệu ex vivo và in vivo giúp tăng cường khả năng đọc và phân tích hình ảnh OCT, hỗ trợ chẩn đoán chính xác hơn và đưa ra quyết định điều trị hiệu quả. Nghiên cứu trong tương lai sẽ tập trung vào việc cải thiện độ chính xác đăng ký và giảm thời gian suy luận.
Quy trình tạo dữ liệu tổng hợp và ví dụ về đám mây điểm ex vivo và in vivo.
