Populārākas Posts
AI rīks Alcheimera slimības pazīmju noteikšanai
Pētījums, kas publicēts žurnālā Nature Communications, ir mašīnmācības pieejas koncepcijas pierādījums, lai atšķirtu kritiskos neirodeģeneratīvās slimības marķierus.
Amiloīda plāksnes ir olbaltumvielu fragmentu kopas cilvēku ar Alcheimera slimību smadzenēs, kas iznīcina nervu šūnu savienojumus, sacīja Kalifornijas universitātes Deivisas pētnieki ASV. (Thinkstock Images fotoattēls) Pētnieki ir atraduši veidu, kā iemācīt datoram precīzi noteikt vienu no Alcheimera slimības pazīmēm cilvēka smadzeņu audos, izmantojot mākslīgo intelektu (AI).
Pētījums, kas publicēts žurnālā Dabas sakari , ir mašīnmācības pieejas koncepcijas pierādījums, lai atšķirtu kritiskos neirodeģeneratīvās slimības marķierus.
Amiloīda plāksnes ir proteīna fragmentu kopas cilvēku ar Alcheimera slimību smadzenēs, kas iznīcina nervu šūnu savienojumus, sacīja Kalifornijas Universitātes Deivisas (UC Davis) pētnieki ASV.
Līdzīgi kā Facebook atpazīst sejas, pamatojoties uz uzņemtajiem attēliem, mašīnmācīšanās rīks var redzēt, vai smadzeņu audu paraugā ir kāda veida amiloīda plāksne, un izdarīt to ļoti ātri.
Rezultāti liecina, ka mašīnmācīšanās var papildināt eksperta neiropatologa zināšanas un analīzi.
Šis rīks ļauj analizēt tūkstošiem reižu vairāk datu un uzdot jaunus jautājumus, kas nebūtu iespējami ar ierobežotām datu apstrādes iespējām pat visaugstāk apmācītajiem ekspertiem.
Mums joprojām ir vajadzīgs patologs, sacīja Brittany N Dugger, UC Davis docente un pētījuma vadošā autore.
Šis ir rīks, tāpat kā tastatūra rakstīšanai. Tā kā tastatūras ir palīdzējušas rakstīšanas darbplūsmās, digitālā patoloģija kopā ar mašīnmācīšanos var palīdzēt neiropatoloģijas darbplūsmām, sacīja Dugers.
Viņa sadarbojās ar Maiklu J Keiseru, Kalifornijas Universitātes Sanfrancisko (UCSF) docentu, lai noteiktu, vai viņi var iemācīt datoru automatizēt darbietilpīgo dažāda veida sīku amiloīda plāksnīšu identificēšanas un analīzes procesu lielās autopsijas cilvēku šķēlēs. smadzeņu audi.
Keizers un viņa komanda izstrādāja konvolucionālo neironu tīklu (CNN), datorprogrammu, kas izstrādāta, lai atpazītu modeļus, pamatojoties uz tūkstošiem cilvēku marķētu piemēru.
Komanda izstrādāja metodi, kas ļāva tai ātri anotēt vai marķēt desmitiem tūkstošu attēlu no kolekcijas pusmiljona audu tuvplāna attēlu no 43 veseliem un slimiem smadzeņu paraugiem.
Tāpat kā datora iepazīšanās pakalpojums, kas ļauj lietotājiem vilkt pa kreisi vai pa labi, lai atzīmētu kāda fotoattēla fotoattēlu vai ne, viņi izstrādāja tīmekļa platformu, kas ļāva Dugger pa vienam apskatīt potenciālo plāksnīšu ļoti tuvinātos reģionus un ātri iezīmēt. ko viņa tur redzēja.
Šis digitālās patoloģijas rīks, ko pētnieki sauca par lāsēm vai nē, ļāva Dugeram komentēt vairāk nekā 70 000 lāsumu vai plāksnes kandidātu ar ātrumu aptuveni 2000 attēlu stundā.
UCSF komanda izmantoja šo datubāzi ar desmitiem tūkstošu marķētu piemēru attēlu, lai apmācītu savu CNN mašīnmācīšanās algoritmu, lai noteiktu dažāda veida smadzeņu izmaiņas, kas novērotas Alcheimera slimībā.
visu veidu priedes
Tas ietver tā saukto kodolu un difūzo plāksnīšu nošķiršanu un asinsvadu anomāliju noteikšanu.
Pētnieki parādīja, ka viņu algoritms var apstrādāt visu smadzeņu šķēlumu slaidu ar 98,7% precizitāti, un ātrumu ierobežo tikai izmantoto datoru procesoru skaits.