Nieuw labelsysteem voor hersenafbeeldingen kan 100 duizend afbeeldingen in 30 minuten verwerken

Onderzoekers van de School of Biomedical Engineering and Imaging aan King's College London

geautomatiseerde labeling van MRI-beeldenhersenen, noodzakelijk om machine learning-modellen te verbeteren. Vervolgens herkennen ze beelden door belangrijke labels uit radiologierapporten te halen en deze nauwkeurig toe te wijzen aan overeenkomstige MRI-onderzoeken. Nu kunnen er in een half uur meer dan 100.000 foto's worden gemaakt.

Deep learning vereist meestal tienduizendengelabelde afbeeldingen voor de beste prestaties in patroonherkenning. Dit is het zwakste onderdeel in de ontwikkeling van deep learning-systemen voor complexe beeldvormende datasets, met name MRI, die van fundamenteel belang is voor het opsporen van neurologische ziekten.

“Dit model maakte de taken veel gemakkelijkerbeeldherkenning met behulp van deep learning, en dit zal vrijwel zeker de komst van geautomatiseerde hersen-MRI-lezers in de kliniek versnellen. Het potentieel voor het voordeel voor de patiënt is enorm", merkten de onderzoekers op.

Wetenschappers hebben een microscoop gepresenteerd waarmee je de kleinste celstructuren kunt zien

De auteurs van het onderzoek merken op dat ten minste éénde barrière voor snel onderzoek is al overwonnen, maar er moeten nog andere problemen worden aangepakt. Nu willen wetenschappers hun methode laten werken in de meeste ziekenhuizen die verschillende scanners gebruiken.

Eerder wetenschappers van de Universiteit van CaliforniëIn Los Angeles werd kunstmatige intelligentie (AI) gebruikt om drie nieuwe subtypes van multiple sclerose te identificeren. Onderzoekers zeggen dat hun bevindingen zullen helpen bij het identificeren van de mensen bij wie de kans groter is dat de ziekte zich ontwikkelt, en om de behandeling effectiever te kunnen voorspellen.

Lees verder

Uitgelegd hoe het heelal wordt weerkaatst in de buurt van zwarte gaten

180 jaar oud mottenmysterie opgelost: het werd zes keer geopend en kreeg verschillende namen

Media: Het ministerie van Digitale Zaken heeft per ongeluk de werkelijke omvang van de COVID-19-epidemie in Rusland onthuld