三星手机|卷积神经网络,是一种特定类型的ANN,通常基于具有多个算法来分析数据

三星手机|卷积神经网络,是一种特定类型的ANN,通常基于具有多个算法来分析数据

文章图片

三星手机|卷积神经网络,是一种特定类型的ANN,通常基于具有多个算法来分析数据

文章图片

三星手机|卷积神经网络,是一种特定类型的ANN,通常基于具有多个算法来分析数据

文章图片


卷积神经网络(CNN) , 是一种特定类型的ANN , 通常基于具有多个隐藏层的深度学习算法来分析数据 。 层之间的关系很复杂 , 并且每个CNN中都存在多个隐藏层 。 深度学习-深度学习是机器学习的一个子集 , 其结构类似于人脑处理 , 同时考虑多个数据集 , 对第二次和第三次不同的评估等进行评估和重新处理 , 直到达到输出.每个评估都在不同的层中进行 , 这意味着它基于前一层的输出 。

这些计算层被称为隐藏层 , 因为它们的输入和输出是不可见的 。 例如 , 如果输入的数据是寻找息肉的结肠镜检查图像 , 则该图像将首先相乘 。 然后使用不同的过滤器扫描每个图像 。 每个过滤器都会收到一个分数 , 然后将其转移到另一层过滤器(例如-颜色过滤器、边缘标记过滤器等) 。

此工作流程根据需要继续使用多个层(因此是深度学习) , 同时每个过滤器创建一个输出分数 , 即下一层的输入分数 , 直到获得最终结果 。 结果可以是诊断、图像中息肉的轮廓等 。 人工智能在医学中越来越受欢迎 , 最广泛的应用是在放射学领域 。 这部分是由于图像识别任务的显着进步 , 近年来 , 足够的数字数据积累和可用性以及显着的计算能力都有所增长 。

结合放射检查机会的增加 , 放射科医生的工作量增加以及训练有素的经验丰富的放射科医生的短缺 , 人工智能及其能力已被推向医学前沿 。 多个团队开发了图像处理和计算机视觉算法 , 以实现更快的诊断、增强病理的可视化、警报紧急情况并协助解决严重的人力短缺问题 。 然而 , 开发的目的不应该是取代人类放射科医生 , 而是增强和提供应用程序 , 以突出人类视觉无法获得的信息 , 或提供在更短的时间内无法广泛获得的知识 。

一个为放射科医生突出颅内出血的平台已经获得批准 。 一家来自以色列的初创公司专注于实时决策支持工具 , 以改善急性医疗场景中的临床结果 。 他们处理三维CT数据 , 检测颅内出血并为读者突出出血区域 。 旧金山斯坦福大学的衍生公司将这一概念更进一步 , 其目标是在进行CT扫描后缩短治疗时间 。 这个FDA批准的平台可以检测导致中风的大脑中的大血管闭塞(LVO) 。

该系统可以分析图像 , 当存在疑似LVO时 , 会向放射科医生/神经科医生发送短信警报 , 绕过手动图像后处理、手动读取和ED患者护理的常规工作流程 。 因此 , 有必要将此类算法集成到图片存档和通信系统中 。 初创公司的算法已经在全球50多家医院的PACS系统中运行 , 并分析了超过一百万的患者扫描 。 目前的功能包括自动检测肝脏、肺部、心血管和骨骼疾病 。 例如 , 使用一组在胸部和腹部CT扫描上运行的算法执行椎骨骨折的自动检测 。

【三星手机|卷积神经网络,是一种特定类型的ANN,通常基于具有多个算法来分析数据】脊柱被分割并使用CNN提取矢状斑块 , 然后预测椎骨骨折的存在 。 类似的算法存在用于从预测心血管事件和死亡率的非对比胸部CT扫描中检测冠状动脉中的钙 , 以及检测骨质疏松症的算法 , 其计算类似于双能X射线吸收测定法的骨矿物质密度 。 使用深度学习进行诊断已被证明在某些领域上的表现与人类表现一样好 。 例如 , 在MRI中检测脑膜瘤 , 已经显示出人工智能应用的巨大潜力和价值 。

相关经验推荐