Nytt system for merking av hjernebilder kan behandle 100 tusen bilder på 30 minutter

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

automatisert merking av MR-bilderhjerne, nødvendig for å forbedre maskinlæringsmodeller. De gjenkjenner deretter bilder ved å trekke ut viktige etiketter fra radiologirapporter og tilordne dem nøyaktig til tilsvarende MR-studier. Nå kan mer enn 100 tusen bilder tas på en halvtime.

Dyp læring krever vanligvis titusenvismerkede bilder for best ytelse innen mønstergjenkjenning. Dette er den svakeste delen i utviklingen av dype læringssystemer for komplekse bildedatasett, spesielt MR, som er grunnleggende for å oppdage nevrologiske sykdommer.

“Denne modellen gjorde oppgavene mye enklerebildegjenkjenning ved hjelp av dyp læring, og dette vil nesten helt sikkert fremskynde fremkomsten av automatiserte hjernemRI -lesere i klinikken. Potensialet for pasientnytte er enormt, sier forskerne.

Forskere har presentert et mikroskop som lar deg se de minste cellulære strukturene

Studieforfatterne merker at minst énbarrieren for rask forskning er allerede overvunnet, men ytterligere problemer må fortsatt løses. Nå ønsker forskere å få metoden til å fungere på de fleste sykehus som bruker forskjellige skannere.

Tidligere forskere fra University of CaliforniaI Los Angeles ble kunstig intelligens (AI) brukt til å identifisere tre nye undertyper av multippel sklerose.Forskere sier at funnene deres vil bidra til å identifisere de menneskene som har større sannsynlighet for å få sykdomsfremgang og bidra til å forutsi behandling mer effektivt.

Les mer

Forklarte hvordan universet reflekteres i nærheten av sorte hull

Løst 180 år gammelt møllmysterium: det ble åpnet seks ganger og navngitt med forskjellige navn

Media: Departementet for digitale saker avslørte ved et uhell den virkelige omfanget av COVID-19-epidemien i Russland