Naukowcy ze Szkoły Inżynierii Biomedycznej i Obrazowania King's College London
Głębokie uczenie wymaga zwykle dziesiątek tysięcyotagowane obrazy w celu uzyskania najlepszej wydajności w rozpoznawaniu wzorców. Jest to najsłabszy element w rozwoju systemów głębokiego uczenia dla złożonych zbiorów danych obrazowania, w szczególności MRI, który ma fundamentalne znaczenie dla wykrywania chorób neurologicznych.
„Ten model znacznie ułatwił zadaniarozpoznawanie obrazów przy użyciu głębokiego uczenia, a to prawie na pewno przyspieszy pojawienie się w klinice automatycznych czytników MRI mózgu. Potencjał korzyści dla pacjentów jest ogromny ”- zauważyli naukowcy.
Naukowcy zaprezentowali mikroskop, który pozwala zobaczyć najmniejsze struktury komórkowe
Autorzy badania zauważają, że co najmniej jedenbariera dla szybkich badań została już przezwyciężona, ale dalsze problemy nadal wymagają rozwiązania. Teraz naukowcy chcą, aby ich metoda działała w większości szpitali, które używają różnych skanerów.
Wcześniej naukowcy z Uniwersytetu KalifornijskiegoW Los Angeles wykorzystano sztuczną inteligencję (AI) do zidentyfikowania trzech nowych podtypów stwardnienia rozsianego. Naukowcy twierdzą, że ich odkrycia pomogą zidentyfikować osoby, u których ryzyko postępu choroby jest większe, i pomogą skuteczniej zaplanować leczenie.
Czytaj więcej
Wyjaśnił, w jaki sposób wszechświat odbija się w pobliżu czarnych dziur
Rozwiązano zagadkę 180-letniej ćmy: była otwierana sześć razy i nazywana różnymi imionami
Media: Ministerstwo Cyfryzacji przypadkowo ujawniło prawdziwą skalę epidemii COVID-19 w Rosji