BilimGenelHaberSağlıkTeknoloji

Akıllı 3D Tarayıcı ile Cilt Kanseri Teşhisi

Google News Abone Ol

Deri kanseri, şüpheli lezyonların on binlerce cerrahi biyopsisini gerektiren, dünyadaki en yaygın kanser türüdür. Dünya Sağlık Örgütü’ne göre, her yıl iki ila üç milyon melanom dışı ve 132.000 melanom cilt kanseri teşhis ediliyor.

Akıllı 3D Tarayıcı ile Cilt Kanseri Teşhisi

İyi huylu malign cilt lezyonlarından ayırt edebilen non-invaziv bir araç biyopsisinin  ihtiyacını sadece oldukça şüpheli lezyonlarla sınırlandırmaya yardımcı olabiliyor. Bu, yapılan biyopsi sayısını azaltabilir ve cilt kanseri teşhisinin maliyetini potansiyel olarak önemli ölçüde azaltabilir.

3D tarayıcı

İspanya’dan araştırmacılar, saçak projeksiyonuna ve makine öğrenmesine dayanan ve in vivo cilt kanseri saptama cihazı olarak potansiyel gösteren bir 3D tarayıcı geliştirdi. Prototip sistem alan, hacim ve çevre ile ilgili cilt lezyonlarının mikrometrik hassasiyetle morfolojik parametrelerini elde ediyor melanomları ve molleri ayırt edebiliyor. Lezyonun hacmini ve şeklini ölçerek, yetenekleri dermatologlar tarafından kullanılan geleneksel kalitatif palpasyonun ötesine uzanıyor.

Saçak çıkıntısı, birkaç saniye içinde derinin yüzey yükseklikleri hakkında nicel bilgi edinmek için kullanılabilir, bu da melanom dışı cilt kanserlerinin tespit edilmesine yardımcı olacak bir yükseklik haritası oluşturuyor. Yüksek çözünürlüklü dijital kameralar, ekonomik fiyatlı gerçek zamanlı çerçeve kapmak ve güçlü görüntü işleme yazılımı, cilt topografyasını analiz etmek için uygun bir teknoloji haline getirmiştir.

Led Santiago Royo ve Meritxell Vilaseca Ricart tarafından araştırmacı bir ekip Unıversitat Politecnica de Catalunya’da iki monokrom CCD kamera ve bir Pek3 picoprojector içeren kompakt bir el prototipi tasarladı. Bunlar ciltte yatay bir şekilde hareket eden bir saçak modelinin görüntüsünü oluşturuyor. Tamamlandığında, hastanın cildi tek biçimli bir beyaz alanla aydınlatılır ve renkli bir görüntü elde ediliyor. Üç kamera görüntüsü daha sonra kalibre edilip ve nokta-boy yükseklik haritaları oluşturmak için görüntü işlemeden geçiriliyor. Makine öğrenmesi temelli bir sınıflandırma sistemi daha sonra lezyon tiplerini tanımlanıyor.

İlknur Argum

İstanbulda yaşıyorum. İnönü Üniversitesi Moleküler biyoloji ve genetik okuyorum.

2 Yorum

  1. Öncelikle başarını tebrik ediyorum. Umarım gelecek nesillere ışık tutar, bir umut ışığı olarak da adından bahsettirirsin.

Bir yanıt yazın

E-posta adresiniz yayınlanmayacak. Gerekli alanlar * ile işaretlenmişlerdir