Nyt system til mærkning af hjernebilleder kan behandle 100 tusind billeder på 30 minutter

Forskere fra School of Biomedical Engineering and Imaging ved King's College London

automatiseret mærkning af MR-billederhjerne, nødvendig for at forbedre maskinlæringsmodeller. De genkender derefter billeder ved at udtrække vigtige etiketter fra radiologirapporter og nøjagtigt tildele dem til tilsvarende MR-undersøgelser. Nu kan der tages mere end 100 tusind billeder på en halv time.

Dyb læring kræver normalt titusindermærkede billeder for den bedste ydeevne inden for mønstergenkendelse. Dette er den svageste del i udviklingen af ​​deep learning -systemer til komplekse billeddannelsesdatasæt, især MR, som er grundlæggende for påvisning af neurologiske sygdomme.

”Denne model gjorde opgaverne meget letterebilledgenkendelse ved hjælp af dyb læring, og dette vil næsten helt sikkert fremskynde fremkomsten af ​​automatiserede hjernemRI -læsere i klinikken. Potentialet for patientfordele er enormt, ”bemærkede forskerne.

Forskere har præsenteret et mikroskop, der giver dig mulighed for at se de mindste cellulære strukturer

Studieforfatterne bemærker, at mindst enbarrieren for hurtig forskning er allerede overvundet, men yderligere problemer mangler stadig at blive løst. Nu ønsker forskere at få deres metode til at fungere på de fleste hospitaler, der bruger forskellige scannere.

Tidligere videnskabsmænd fra University of CaliforniaI Los Angeles blev kunstig intelligens (AI) brugt til at identificere tre nye undertyper af multipel sklerose.Forskere siger, at deres resultater vil hjælpe med at identificere de mennesker, der er mere tilbøjelige til at få sygdommen fremskridt og hjælpe med at forudsige behandling mere effektivt.

Læs mere

Forklarede, hvordan universet reflekteres nær sorte huller

Løst 180 år gammelt møl mysterium: det blev åbnet seks gange og navngivet ved forskellige navne

Medier: Ministeriet for digitale anliggender afslørede ved et uheld den virkelige skala for COVID-19-epidemien i Rusland