Kontaktujte nás

Chci získat ZDARMA:

 

Pošlete mi cenovou nabídku na:

 
 
 
 
 
 
 
 
Jméno*
Město*
Email*
Telefon*
Text zprávy

Partner projektu:

Umělá inteligence a zobrazovací metody

Výzkum strojového učení v lékařských obrazových datech zaostával za podobnými pracemi na konvenčních snímcích ve viditelném spektru světla v důsledku zvýšené komplexnosti lékařských snímků a nedostatku dostupných velkých souborů anotovaných snímků.

Za účelem vyřešení tohoto omezení vědci na Stanfordu vytvářejí rozsáhlý zdroj klinického zobrazovacího výzkumu, který obsahuje de-identifikované verze všech ontologicky anotovaných a s genomickými idaty spojených snímků ze Stanfordské radiologie.
Data jsou spojená také s tkáňovými bankami a elektronickými kartami pacientů. Tato datová sada obsahuje 0,5 petabyte údajů o klinické radiologii, zahrnující 4,5 milionu studií a více než 1 miliardu snímků.
Širokým dlouhodobým cílem tohoto zdroje je dramaticky snížit chyby v diagnostických zobrazovacích zařízeních tím, že:
(1) usnadní reprodukovatelnost postupu prostřednictvím standardizace dat a algoritmů pro výzkum strojového učení,
(2) umožní pacientům účast na vědeckém projektu prostřednictvím dobrovolného poskytnutí jejich data pro tyto experimenty,
(3) podnítí inovace organizováním soutěží na klinicky ověřených sériích snímků a (4) rozšíří výsledná data vč. informačních nástrojů a algoritmů pro podporu rozhodování co nejširšímu vědeckému publiku.
Budeme zkoumat pokrok směrem k vytvoření Stanford Medical ImageNet, včetně podrobností o struktuře a obsahu databáze a nedávných výsledcích z "deep learning" experimentů na datech, která obsahuje.
Technologie rozšířené reality mění pravidla radiologie. Odborníci diskutují o úloze zobrazování při vytváření aplikací virtuální reality připravených ke změně medicíny. Přečtěte si více v novinkách (v angličtině) na stránkách RSNA.