• Home
  • Kemi
  • Astronomien
  • Energi
  • Naturen
  • Biologi
  • Fysik
  • Elektronik
  • Lägg bara till AI för expert-astronautultraljud
    ESA:s Autonoma ULtrasound Image Improvement System, ALISSE, erbjuder astronauter möjligheten på plats att fånga ultraljudsbilder av diagnostisk kvalitet som om de vore expertradiologer, tack vare hjälpen från AI och maskininlärning. Kredit:ALISSE-konsortiet

    Ultraljudsapparater är vanliga i moderna orbitala medicinska kit, vilket hjälper till att underlätta snabba diagnoser av astronautbesvär eller kroppsliga förändringar. Det krävs dock vägledning i realtid från experter på plats för att få medicinskt användbara ultraljudsbilder. När astronauter väl reser till månen eller längre in i solsystemet kommer sådan vägledning inte längre att vara praktisk på grund av tidsfördröjningen. Ett nytt ESA-ledt projekt syftar till att utnyttja AI och maskininlärning så att astronauter kan utföra ultraljudsundersökningar i närheten av expertkvalitet på egen hand.



    "Framgången med besättningsutforskning beror på hälsan och säkerheten för våra astronauter", förklarar ESA:s biomedicinska ingenjör Arnaud Runge, som övervakar projektet. "När uppdragen tar sig längre ut i rymden blir det något som är svårare att säkerställa eftersom antalet och kompetensen hos besättningsmedlemmar kommer att vara begränsade. Därför behöver vi tekniskt stöd för att göra framtida besättningar mindre och mindre beroende av jordbaserad expertis"

    Att leva i en begränsad volym i långvarig frånvaro av gravitation samtidigt som man utsätts för höga nivåer av strålning kan påverka många kritiska organ, såväl som leda till balansstörningar, vätskeförskjutningar, förändringar i synfunktionen, kardiovaskulär dekonditionering, nedsatt immunförsvar, muskelatrofi och benförlust. Dessutom kan framtida planetariska uppdrag leda till skador under ytoperationer.

    Den goda nyheten är att de flesta av dessa tillstånd kan övervakas med hjälp av ultraljudsavbildning, beroende på ekon från ljud utanför hörselområdet för våra öron för att öppna fönster in i människokroppens mjuka vävnader. Den dåliga nyheten är att det kräver år av träning för att göra någon skicklig i att utföra en ultraljudsundersökning.

    "Ultraljudsavbildning har redan blivit ett viktigt diagnostiskt verktyg för besättningar på den internationella rymdstationen", kommenterar Carlos Illana från GMV i Spanien, det företag som leder projektkonsortiet för ESA. "Men i nuvarande praxis på ISS, får astronauten som applicerar ultraljudsenheten på sin besättningskamrat antingen vägledning i realtid från en erfaren ultraljudsoperatör nere på marken eller utför undersökningarna baserat på den begränsade utbildningen som erhölls före uppdraget ."

    ALISSE kan skilja mellan det kliniskt värdefulla långvägs "plandetektionsläget" för ett organ kontra en mindre användbar "tvärgående" sidovy. Kredit:ALISSE-konsortiet

    Arnaud tillägger, "För att övervinna denna utmaning har ESA tidigare arbetat med konceptet robotiserat teleultraljud, där expertradiologen på jorden fjärrstyrde ultraljudssonden ombord på ISS. Men även om det var intressant för användning på ISS också När det gäller markbaserade applikationer har detta tillvägagångssätt också begränsningar:När väl besättningsuppdrag sträcker sig utanför jordens omloppsbana in i rymden kommer sådan vägledning inte längre att vara möjlig, eftersom det större avståndet från jorden ger upphov till en ökad tidsfördröjning i kommunikationen, samtidigt som bandbredden kommer också att begränsas."

    Det finns därför ett behov av lösningar som ger besättningen mer självständighet. Som svar erbjuder ESA:s Autonomous ULtrasound Image Improvement System, ALISSE, astronauter möjligheten på plats att fånga ultraljudsbilder av diagnostisk kvalitet som om de vore expertradiologer, tack vare hjälpen från AI och maskininlärning.

    I samarbete med projektet utvecklade Nuclear Physics Group vid Universidad Complutense Madrid nya tekniker för ultraljudssimulering och bildsyntes medan Emergency and Urgency Radiology Service vid La Paz sjukhus i Madrid gav vägledning i ultraljudsundersökningar och patologier, samt tillhandahållande och märkning av hundratusentals anonymiserade ultraljudsskanningar, som används för att träna det neurala nätverk för djupinlärning som ligger till grund för ALISSE-systemet.

    Arnaud tillägger, "La Paz är det största sjukhuset i Spanien, och utför mer än en halv miljon ultraljudsundersökningar per år enbart inom räddningstjänsten, med mer än 40 olika enhetsmodeller. Vi använde en aktiv inlärningsmekanism för att filtrera bort icke-intressanta bilder , vilket ger mindre än 2 % kvar som röntgentjänsten valde och märkte för vårt utbildningsundersystem för neuronnätverk att tränas på."

    Detta motsvarar en enorm mängd kurerade bilder av mer än 50 000 patienter per organ, inklusive massor av exempel på "patologiska" - eller sjuka - fall. För den första ALISSE-protypen utforskade konsortiet njurar och blåsor, som mycket representativa bukorgan som inte är lätta att skanna, relaterade till vanliga astronautsjukdomar som stenbildning och urinretention.

    Ett nytt ESA-ledt projekt kallat Autonomous ULtrasound Image Improvement SyStEM, ALISSE, utnyttjar AI och Machine Learning så att astronauter kan prestera nära ultraljudsundersökningar av expertkvalitet av sig själva, utan behov av markhjälp. Hundratusentals anonymiserade och märkta ultraljudsundersökningar från nöd- och akutradiologitjänsten vid La Paz sjukhus i Madrid har använts för att träna det neurala nätverk för djupinlärning som ligger till grund för ALISSE-systemet. Kredit:ALISSE Consortium

    David Mirault från GMV säger:"När vi utvecklade systemet gav ESA flygkirurger oss viktig feedback och vägledning. Vårt mål var att göra användargränssnittet så intuitivt som möjligt, så vi lät en grupp helt otränade fysikstudenter prova att använda det . en otränad novis som utför en framgångsrik ultraljudsundersökning är i princip noll."

    ALISSE-användare får dock detaljerad vägledning om var i kroppen ultraljudsstaven ska placeras, de förses med exempelbilder av målorganet och ges den procentuella sannolikheten för att objektet i sikte är det korrekta målet. Systemet kan också skilja mellan det kliniskt värdefulla "plandetektionsläget" för ett organ och en mindre användbar "tvärgående" sidovy.

    Jon Scott, som stödjer projektet vid European Astronaut Center, kommenterar:"Slutresultaten är mycket uppmuntrande; 9 av 10 av de ALISSE-assisterade elevernas bilder var kliniskt acceptabla ultraljudsstandardplan av njurar och blåsor, som närmade sig prestanda för en utbildad radiolog Och som en extra fördel kan ALISSE också arbeta med flera ultraljudsenheter, vilket maximerar dess flexibilitet och minskar hindren för dess implementering.

    "Resultatet är ett system som gör det möjligt för astronauter att ta mer ansvar för sin egen medicinska vård, en väsentlig egenskap för framtiden för rymdmedicin, och som också bör demokratisera användningen av ultraljudsbilder tillbaka på jorden. Med den fortsatta utvecklingen av denna teknik, vi kan se fram emot en tid då medicinska partitionerare i frontlinjen kan använda AI-styrda ultraljudsenheter lika skickligt som de samlar in blodprov idag."

    ALISSE-projektet stöddes genom ESA:s Technology Development Element, som främjade lovande ny teknik för rymden. Som ett nästa steg planerar konsortiet att öka systemets stöd till andra organ och förbättra vägledningsinstruktionerna för att göra ALISSE ännu mer intuitivt. ESA är också intresserade av att ALISSE-systemet fungerar på en surfplatta kopplad till en ultraljudssond.

    Tillhandahålls av Europeiska rymdorganisationen




    © Vetenskap https://sv.scienceaq.com