Il suono del tuono impiega alcuni istanti a raggiungere le nostre orecchie dopo un lampo. Questo fenomeno è dovuto all’effetto fotoacustico (PA) per cui i materiali vicini al fulmine si espandono istantaneamente quando l’energia -ottica- del fulmine viene assorbita e convertita in energia termica. Sfruttando questo effetto PA, la tomografia computerizzata fotoacustica (PACT) è diventata una delle principali modalità di imaging preclinico e clinico per acquisire immagini all’interno del corpo senza utilizzare un mezzo di contrasto. Tuttavia, le immagini risultano di bassa qualità anche se possono essere migliorate con più sensori a ultrasuoni e un sistema di acquisizione dati (DAQ) multicanale. Questo però comporta un costo più elevato e una velocità di imaging più lenta. Il team di ricerca POSTECH – composto dal professor Chulhong Kim e dai suoi colleghi, ha presentato un approccio di apprendimento profondo per ottenere immagini più veloci e ad alta risoluzione per il sistema di tomografia computerizzata fotoacustica- PACT. La scoperta, la prima al mondo, è stata recentemente pubblicata su Advanced Science. Mentre studi precedenti hanno utilizzato il deep learning per migliorare la risoluzione, questo studio è il primo al mondo ad applicare il deep learning al sistema tridimensionale PACT.
Le immagini che mostrano i movimenti degli organi
I ricercatori hanno dimostrato che è possibile monitorare il movimento dei tessuti del cuore, del rene e del cervello ad alta risoluzione, ad alta velocità e in tempo reale, nonché l’imaging del corpo intero degli animali. Hanno inoltre dimostrato, per la prima volta, che il deep learning può essere applicato alla farmacocinetica, branca della farmacologia in cui i farmaci vengono iniettati nei vasi sanguigni per osservarne la diffusione nell’organismo, e all’imaging funzionale, che misura la saturazione di ossigeno di ogni tessuto. Con questo studio, i ricercatori hanno anche confermato che una rete neurale artificiale addestrata sugli animali può essere applicata agli esseri umani. È inoltre significativo che abbiano semplificato l’attrezzatura hardware senza sacrificare la velocità o la qualità, perché la rete neurale artificiale funziona indipendentemente dalla lunghezza d’onda ottica utilizzata per addestrarla. Con la pubblicazione dei risultati, il team di ricerca prevede che la tecnologia PACT sarà ampiamente applicabile in vari ambienti, ottenendo immagini ad alta risoluzione e ad alta velocità indipendentemente dalle specifiche hardware. Riconosciuto per la sua importanza, questo studio è stato selezionato come articolo di quarta di copertina nell’ultimo numero di Advanced Science.
