Towards Investigating Residual Hearing Loss: Quantification of Fibrosis in a Novel Cochlear OCT Dataset
本文介绍了一个新型的豚鼠纤维化耳蜗光学相干断层扫描（OCT）数据集，并证明了一种改进的 UNET 架构（2D-OCT-UNET）能够通过计算机视觉有效地量化耳蜗内纤维化，为评估人工耳蜗植入效果提供了一种可靠的工具。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
听觉是一个精细的机械过程，始于声波进入耳朵并带动微小的、充满液体的腔室运动。在被称为耳蜗的这种螺旋状结构内部，专门的细胞将这些振动转化为大脑可以理解的电信号。对于重度听力损失患者，人工耳蜗可以绕过受损细胞直接刺激神经，从而恢复听觉能力。一些保留了足够自然听力以感知低频声音的患者，会采用结合助听器与人工耳蜗的混合方案。然而，一个令人沮丧的谜团长期困扰着这些手术：许多患者在手术后逐渐失去了剩余的自然听力。虽然医生知道人体会对植入的异物产生反应并形成疤痕组织，但目前尚不清楚这种疤痕组织在多大程度上导致了听力损失，也难以对其进行精确测量。
为了解开这个谜团，研究小组转向了一种观察耳朵内部的新方法。他们专注于研究在耳蜗内人工耳蜗周围生长的一种被称为纤维化（fibrosis）的疤痕组织。过去，研究这种组织需要取出耳朵并将其切成薄片在显微镜下观察，这一过程会破坏样本，使得无法以其自然的、三维的状态观察组织。研究人员转而使用了一种称为光学相干断层扫描（optical coherence tomography）的技术，它就像是使用光的高分辨率超声波。这种方法允许他们在不切开耳朵的情况下拍摄详细的横截面图像。通过扫描植入数周后的豚鼠耳朵，团队捕捉到了耳蜗的内部景观，包括人工耳巴本身、充满液体的空间以及正在生长的疤痕组织。
挑战在于，这些图像极其复杂，肉眼难以解读。疤痕组织看起来往往与周围的健康组织非常相似，且结构的形状和大小在不同动物之间差异巨大。为了理清这些信息，研究人员创建了一个新的基于光成像的数据集，并手动标注了疤痕组织、人工耳蜗和空腔液体的边界。随后，他们训练了一台计算机来自动识别这些模式。他们测试了几种不同类型的人工智能，包括旨在照片中寻找物体的先进模型，以及一种处理图像方式类似于人类阅读文本的新型系统。目标是找到一种数字工具，能够以与人类专家相同的准确度统计疤痕组织的量，但速度更快，且不会出现因疲劳导致的错误。
研究发现，一种研究人员针对这一独特任务进行改进的特定计算机视觉模型表现最为出色。这个被命名为 2D-OCT-UNET 的模型成功地在高精度下识别了图像中的疤痕组织、人工耳蜗和液体空间。它的表现优于其他在不同医学领域取得成功的复杂系统。计算机能够计算出每次扫描中存在的疤痕组织确切体积，从而提供一个清晰的、数值化的纤维化负担指标。当研究人员将计算机的计算结果与人类专家进行的人工标注进行对比时，结果高度吻合，证实了该机器可以可靠地量化损伤程度。
这项工作代表了理解植入后为何发生听力损失的重要进展。通过提供一种客观且重复测量疤痕组织的方法，这一新工具使科学家能够研究身体对植入物的反应过程。研究人员指出，虽然计算机非常准确，但在面对人类标注不清晰或不一致的图像时有时会遇到困难，这表明初始人类数据的质量与计算机模型本身一样重要。他们还观察到，疤痕组织的量并不总是与计算机预测的误差完美相关，这表明测量组织的难度来自于生物结构的复杂性和杂乱性，而非仅仅取决于疤痕的数量。
这些发现为调查疤痕组织与听力损失之间的关系提供了一种强大的新方法。研究人员不再需要猜测或依赖粗略的估计，现在可以使用这种数字工具详细追踪纤维化的生长情况。这种能力对于开发更好的植入物和减少疤痕形成的术式至关重要，有望在未来保护更多患者的自然听力。尽管该研究是在豚鼠身上进行的，但研究人员相信这种方法最终可以应用于人类患者，帮助完善治疗手段并改善预后。该项目的成功证明，将先进成像技术与智能计算机分析相结合，可以揭示人体内此前无法看到的隐藏细节。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。