amerikali
Yeni Üye
Akut iskemik inme (beyne kan akışında akut azalma) veya serebral enfarktüs olduğundan şüphelenilen hastalarda, damar tıkanıklıklarının ve doku hasarının mümkün olan en kısa sürede tespit edilmesi önemlidir. Heidelberg Üniversite Hastanesi (UKHD), Alman Kanser Araştırma Merkezi (DKFZ) ve Bonn Üniversite Hastanesi’ndeki (UKB) araştırmacılar tarafından geliştirilen bilgisayarlı tomografik anjiyografi (CTA) için yapay zeka sistemi, doktorların felce daha iyi tanı koymasını ve her şeyden önemlisi, felçleri daha iyi teşhis etmelerini sağlamayı amaçlıyor. , şu anda mevcut olan AI Uygulamalarından daha hızlı. Bu, Nature dergisinde yayınlanan çalışmadan ortaya çıkıyor.
Reklamcılık
1.000’den fazla hastadan alınan görüntü verileri
Yapay zeka, felçten şüphelenen ve UKHD’de muayene edilen 1000’den fazla hastadan alınan görüntü verileriyle eğitildi. Bunu, UKB ve telenöroloji ve teleradyoloji kullanılarak UKHD tarafından desteklenen Rhine-Neckar İnme Konsorsiyumu’na (FAST) ait üç klinik dahil olmak üzere çeşitli kliniklerde altı aylık bir test aşaması izledi.
Makalenin ortak yazarı ve UKHD Nöroradyoloji Departmanı hesaplamalı nörogörüntüleme bölümünün başkanı Philipp Vollmuth, Ärzteblatt’a şunları söyledi: “Algoritmamız, ticari AI ürünleriyle karşılaştırıldığında önemli ölçüde daha doğruydu.” Dahası, Vollmuth, algoritmanın damar tıkanıklığını dışlaması durumunda tahminin gerçekten doğru olduğu anlamına gelen negatif tahmin değerinin zaten yüzde 97’ye kadar çok iyi olduğunu söylüyor.
Yapay zekanın geliştirilmesi, daha önce Apache 2.0 lisansı altında Github’da yayınlanan ve tıbbi nesne tespitine yardımcı olması amaçlanan nnDetection yöntemine dayanıyor. nnDetection’ın “her türlü tıbbi tespit sorununa” uyum sağlaması amaçlanıyor. Yazarlara göre diğer tüm kodlar talep edilebilir. Sonuçları üretecek eğitilmiş model, bilim adamları tarafından bir platformda sağlanır.
Çalışmanın göstericisi
Test görüntüsünü içeren çevrimiçi gösterici DICOM formatındadır (Tıpta Dijital Görüntüleme ve İletişim) hazır. Tıbbi dosya formatı ve iletişim protokolü sayesinde ultrason ve MR görüntüleri hasta verileriyle birlikte bir dosyaya kaydedilebilir. Göstericinin amacı, ilgilenen araştırmacılara, yayınlanan algoritmayı kendi sağladıkları verilerle test etme fırsatı vermektir.
Yapay zeka, CTA görüntülerindeki damar tıkanıklıklarını tespit ediyor ve ardından sonuçlarla birlikte iki anonimleştirilmiş DICOM görüntüsü oluşturuyor. Bunlar bir DICOM belleğinde saklanır. Web sitesi bir DICOM görüntüleyicide damar tıkanıklıklarının mevcut olup olmadığını ve nerede olduğunu gösterir. İsterseniz kendi verilerinizi DICOM formatında ZIP dosyası olarak yükleyebilirsiniz. Araştırma ekibi, göstericinin “açıkça teşhis veya tedavi amaçlı uygulamalara yönelik olmadığını” ve bu nedenle bu tür amaçlarla kullanılmaması gerektiğini belirtiyor.
Ayrıca, web görüntüleyicinin sınırlı bilgi işlem kapasitesi nedeniyle görüntülerin analiz edilmesi yaklaşık on dakika sürebilir. Sinir ağının “sağlam ve genelleştirilebilir yapay zeka algoritmalarının geliştirilmesi için bir plan” haline gelebileceği araştırma amacıyla veri bağışına önceden izin verilmediği sürece veriler 24 saat sonra da silinecektir.
(mack)
Haberin Sonu
Reklamcılık
1.000’den fazla hastadan alınan görüntü verileri
Yapay zeka, felçten şüphelenen ve UKHD’de muayene edilen 1000’den fazla hastadan alınan görüntü verileriyle eğitildi. Bunu, UKB ve telenöroloji ve teleradyoloji kullanılarak UKHD tarafından desteklenen Rhine-Neckar İnme Konsorsiyumu’na (FAST) ait üç klinik dahil olmak üzere çeşitli kliniklerde altı aylık bir test aşaması izledi.
Makalenin ortak yazarı ve UKHD Nöroradyoloji Departmanı hesaplamalı nörogörüntüleme bölümünün başkanı Philipp Vollmuth, Ärzteblatt’a şunları söyledi: “Algoritmamız, ticari AI ürünleriyle karşılaştırıldığında önemli ölçüde daha doğruydu.” Dahası, Vollmuth, algoritmanın damar tıkanıklığını dışlaması durumunda tahminin gerçekten doğru olduğu anlamına gelen negatif tahmin değerinin zaten yüzde 97’ye kadar çok iyi olduğunu söylüyor.
Yapay zekanın geliştirilmesi, daha önce Apache 2.0 lisansı altında Github’da yayınlanan ve tıbbi nesne tespitine yardımcı olması amaçlanan nnDetection yöntemine dayanıyor. nnDetection’ın “her türlü tıbbi tespit sorununa” uyum sağlaması amaçlanıyor. Yazarlara göre diğer tüm kodlar talep edilebilir. Sonuçları üretecek eğitilmiş model, bilim adamları tarafından bir platformda sağlanır.
Çalışmanın göstericisi
Test görüntüsünü içeren çevrimiçi gösterici DICOM formatındadır (Tıpta Dijital Görüntüleme ve İletişim) hazır. Tıbbi dosya formatı ve iletişim protokolü sayesinde ultrason ve MR görüntüleri hasta verileriyle birlikte bir dosyaya kaydedilebilir. Göstericinin amacı, ilgilenen araştırmacılara, yayınlanan algoritmayı kendi sağladıkları verilerle test etme fırsatı vermektir.
Yapay zeka, CTA görüntülerindeki damar tıkanıklıklarını tespit ediyor ve ardından sonuçlarla birlikte iki anonimleştirilmiş DICOM görüntüsü oluşturuyor. Bunlar bir DICOM belleğinde saklanır. Web sitesi bir DICOM görüntüleyicide damar tıkanıklıklarının mevcut olup olmadığını ve nerede olduğunu gösterir. İsterseniz kendi verilerinizi DICOM formatında ZIP dosyası olarak yükleyebilirsiniz. Araştırma ekibi, göstericinin “açıkça teşhis veya tedavi amaçlı uygulamalara yönelik olmadığını” ve bu nedenle bu tür amaçlarla kullanılmaması gerektiğini belirtiyor.
Ayrıca, web görüntüleyicinin sınırlı bilgi işlem kapasitesi nedeniyle görüntülerin analiz edilmesi yaklaşık on dakika sürebilir. Sinir ağının “sağlam ve genelleştirilebilir yapay zeka algoritmalarının geliştirilmesi için bir plan” haline gelebileceği araştırma amacıyla veri bağışına önceden izin verilmediği sürece veriler 24 saat sonra da silinecektir.
(mack)
Haberin Sonu