Новата система има широка адаптивност в различни образни модалности.
Учени от Калифорнийския университет в Лос Анджелис са създали модел за обучение, който бързо анализира и диагностицира автоматично ядрено-магнитен резонанс и други триизмерни медицински изображения, съобщи Nature Biomedical Engineering.
За разлика от няколкото други модела, разработвани за анализ на 3D изображения, новата система има широка адаптивност в различни образни модалности. Разработчиците са я изследвали с 3D сканирания на ретината (оптична кохерентна томография) за биомаркери на риска от заболявания, ултразвукови видеозаписи за сърдечна функция, 3D ядрено-магнитни сканирания за оценка на тежестта на чернодробни заболявания и 3D скрининг на злокачествени възли в гръдния кош.
свързани
Изкуствените невронни мрежи се самообучават, като извършват множество повтарящи се изчисления и проверяват изключително големи набори от данни, разгледани и маркирани от клинични експерти. За разлика от стандартните двуизмерни изображения, които показват дължина и широчина, технологиите за триизмерно изобразяване добавят дълбочина и тези „обемни“ или триизмерни изображения изискват повече време, умения и внимание за интерпретацията от страна на експерта.
Настоящият компютърен модел, наречен SLIViT, (SLice Integration by Vision Transformer), се състои от уникална комбинация от два компонента на изкуствения интелект. Според изследователите това му позволява точно да прогнозира рискови фактори за заболявания от медицински сканирания в множество обемни модалности с умерено големи маркирани набори от данни.
Четете повече в puls.bg.
Снимка: Pexels
Тагове:
Източник: Bgonair.bg