Ä¢¹½Ö±²¥

Jyväskylän yliopiston tutkijat ovat olleet mukana kehittämässä uudenlaista hyperspektrikuvia kuvaavaa erikoiskameraa ja tekoälymenetelmiä, joita voidaan hyödyntää ihosyöpien havaitsemisessa ja rajaamisessa. Uusi kamera on suunniteltu mahdollisimman pieneksi ja siinä on vaihdettavat hajavalosuojat, jotka adaptoituvat helposti potilaan ihoa vasten. Kameran kuvaamat valon aallonpituudet on valittu erityisesti ihosyöpätutkimusta varten ja se hyödyntää erityistä sisäänrakennettua valaistusta, jonka avulla voidaan 3D mallintaa ihon pinnanmuotoja. Uusi kamera tavoittaa aiemmille kameroille haastavia ihonpintoja.

Jyväskylän yliopiston tutkijat ovat osana Suomen Akatemian rahoittamaa SICSURFIS hanketta kehittäneet uudenlaista ihosyöpäkuvantamiskonseptia, jossa yhdistyvät uusi hyperspektrikuvia kuvaava erikoiskamera sekä useita erilaisia tekoälymenetelmiä ihon 3D-pintamallien ja hyperspektrikuvien analysoimiseen.

Tutkimuksessa pyrittiin tunnistamaan ja rajaamaan ihosta aiempaa tarkemmin erilaisia syöpätyyppejä, ja kuvantamaan aiemmille kameroille haastavia ihonpintoja, kuten nenänpäätä tai korvanlehteä.

Väitöstutkimuksensa hankkeeseen tehneen FM, tradenomi YAMK Anna-Maria Raita-Hakolan mukaan terveen ja sairaan ihon raja voidaan määritellä analysoimalla 3D-spektridataa tekoälyn avulla. Samalla voidaan tunnistaa erilaisia ihosyöpätyyppejä ja hyvänlaatuisia leesioita.

– Hyperspektrikameralla saadaan solutason tietoa sekä ihon pinnalta että ihon pinnan alapuolelta. Kamera kuvaa hyperspektrikuvia erityisvalaistuksella. Ihon pinnasta lasketaan 3D-malli, joka yhdistetään spektridatan kanssa. Tekoäly analysoi datan ja tulokset voi nähdä visualisoituna, Raita-Hakola kertoo.

Hyperspektrikamera havaitsee ihon pintamuutoksien lisäksi myös ihon alla olevia muutoksia, esimerkiksi niin kutsuttuja satelliittisoluja, jotka levittävät leesiota eivätkä näy ihonpinnalla.

Raita-Hakolan mukaan tekoälyn tuottamat analyysitulokset voivat antaa tulevaisuudessa tärkeää tietoa lääkäreille lähes reaaliaikaisesti, ilman tarvetta perinteiselle koepalatutkimukselle.

– Ihosyövät ovat maailman kolmanneksi yleisimpiä syöpiä, joten tämän kaltainen menetelmä, eli optinen biopsia, voi tullessaan nopeuttaa päätöksentekoa, lyhentää hoitoketjua, ja vähentää diagnosoinnin työvaiheita. Tämä vähentää terveydenhoidon kustannuksia, Raita-Hakola toteaa.

Tavalliseen kuvaan verrattuna spektrikamera kerää valtavan määrän informaatiota

Hyperspektrikuvantamisessa kohdetta kuvataan spektrikameralla, joka erottelee optisen komponentin avulla kameralle valon eri aallonpituuksia.

– Hyperspektrikuva voidaan ajatella jopa sadoista yksittäisitä kuvista kootuksi pinoksi. Jokaiseen kuvaan on kuvattu yksi valon aallonpituus. Kuvasta valitaan yksi pikseli tai alue, johon kuvapinosta muodostuu koko valon aallonpituuksien spektri, Raita-Hakola kuvailee.

Kuvatessaan eri aallonpituuksia spektrikamera kerää valtavan määrän dataa, josta osa on väistämättä turhaa. Tässä tutkimuksessa suunniteltu kamera on kuitenkin rakennettu kuvaamaan ainoastaan niillä valon aallonpituuksilla, jotka ovat merkityksellisiä ihosyöpien havaitsemisen kannalta.

Tavalliseen kännykkäkuvaan verrattuna, spektrikuvassa on huomattavasti tarkempaa väri-informaatiota. Tutkimuksessa käytetyillä aallonpituuksilla näkymä ihon pinnan alle on 0–6 mm. Tämä on mahdollista siksi, että spektrikamera kuvaa myös ihmissilmän havaitsemattomia valon aallonpituusalueita kuten lähi-infrapunavaloa, pysytellen kuitenkin turvallisilla sähkömagneettisen säteilyn aallonpituuksilla.

Väitöstutkimus tehtiin monitieteellisenä yhteistyönä, ja sen olennainen osa oli VTT:n tekemä laitekehitys, sekä HUS:n ihotautilääkärien lääketieteellinen tutkimusyhteistyö.

– On hienoa olla mukana hankkeessa, jossa kehitetään maailman mittakaavassa huipputason optisia laitteita, ja joiden tekoälyn koulutusmateriaalin on varmistanut patologi, toteaa Raita-Hakola.

Väitöskirja ja väitöstilaisuus

Väitöskirjassa konenäköä ja tekoälyä analysoitiin laajana kokonaisuutena, jossa laitesuunnittelun, kuvantamisen ja datan analysoimisen jokaisella vaiheella on vaikutuksensa toisiinsa.

– Huolella suunniteltu konenäköjärjestelmä kerää vain tarvittavat tiedot, käyttää optimoituja nopeita analyysimenetelmiä, ollen tehokas laskennaltaan, energiantarpeeltaan ja lopulta myös käyttökustannuksiltaan, toteaa Raita-Hakola.

Väitöskirja tarjoaa runsaasti visualisoidun teoriajohdannon, joka ohjaa lukijaa suunnittelemaan konenäkösysteemejä aina sensori- ja optiikkavalinnoista erilaisiin kuvausasetelmiin, sekä datan analysointiin eri vaiheineen. Analyysitulosten rinnalla erikoiskamera esitellään teknisellä tasolla erittäin tarkasti.

– Mikäli työhön piirretyt visualisaatiot ja materiaali päätyvät avuksi muille tutkijoille, opiskelijoille ja alan toimijoille, olen hyvin tyytyväinen, tuumii Raita-Hakola.

Anna-Maria Raita-Hakolan ohjelmisto- ja tietoliikennetekniikan väitöskirja From sensors to machine vision systems: Exploring machine vision, computer vision and machine learning with hyperspectral imaging applications tarkastetaan perjantaina 2.12.2022 klo 10 Jyväskylän yliopiston Agora-rakennuksen Lea Pulkkinen -salissa.

Yleisö voi seurata väitöstilaisuutta väitössalissa (Lea Pulkkisen sali) tai verkkovälitteisesti. Linkki suoraan lähetykseen:

Vastaväittäjänä toimii apulaisprofessori, tohtori Arto Klami (Helsingin yliopisto) ja kustoksena apulaisprofessori, tohtori Ilkka Pölönen (Jyväskylän yliopisto). Väitöstilaisuus on suomenkielinen. Väitöskirja on julkaistu Jyväskylän yliopiston väitöstutkimusten JYU Dissertations-sarjassa, numero 580, Jyväskylä 2022. ISBN 978-951-39-9240-8 (PDF), URN:ISBN:978-951-39-9240-8, ISSN 2489-9003. Linkki verkkojulkaisuun: .

Alanvaihtajatarina – tradenomista tietotekniikan maisteriksi ja tohtoriksi viidessä vuodessa

Anna-Maria Raita-Hakola on suorittanut aiemmat korkeakoulututkintonsa (Tradenomi ja Tradenomi YAMK) Jyväskylän ammattikorkeakoulussa. Hänellä on useiden vuosien työkokemus esimiestyöstä, johtamisesta, markkinoinnista ja myynnistä.

Raita-Hakola aloitti Jyväskylän yliopiston tietotekniikan maisteriohjelmassa ilman aiempaa alan tuntemusta tammikuussa 2017, valmistuen ohjelmisto- ja tietoliikennetekniikan opintosuunnasta filosofian maisteriksi 2019.

Väitöskirjatutkijana Raita-Hakola aloitti 2020 ja hän väittelee tohtoriksi konenäön ja laskennallisen data-analytiikan asiantuntijana joulukuussa 2022.

Raita-Hakola on työskennellyt Jyväskylän yliopiston Informaatioteknologian tiedekunnassa Spektrikuvantamisen laboratoriossa tutkijana ja koneoppimismenetelmien opettajana vuodesta 2018. Opintojen ja työn rinnalla hän on myös toiminut konsultoivana konenäköinsinöörinä robotiikka-alan yrityksessä.

– Maailmamme muuttuu teknologian kehittymisen myötä koko ajan. On kahdenlaisia rooleja; jotkut käyttävät teknologiaa sopeutuen muutoksiin ja toiset kehittävät teknologioita luoden muutosta. Ammattia vaihtaessani päätin, että haluan kuulua jälkimmäisiin. Tutkijana voin tehdä työtä itselle tärkeiden asioiden, kuten ihmisten, terveyden ja luonnon hyvinvoinnin parissa, toteaa Raita-Hakola.

Raita-Hakolan väitöskirjatutkimusta on tukenut Suomen Akatemian lisäksi Emil Aaltosen säätiö, Jyväskylän yliopiston IT-tiedekunta ja Nokia Foundation.