Искусственный интеллект диагностирует 17 болезней |
||
МЕНЮ Искусственный интеллект Поиск Регистрация на сайте Помощь проекту ТЕМЫ Новости ИИ Искусственный интеллект Разработка ИИГолосовой помощник Городские сумасшедшие ИИ в медицине ИИ проекты Искусственные нейросети Слежка за людьми Угроза ИИ ИИ теория Внедрение ИИКомпьютерные науки Машинное обуч. (Ошибки) Машинное обучение Машинный перевод Реализация ИИ Реализация нейросетей Создание беспилотных авто Трезво про ИИ Философия ИИ Big data Работа разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика
Генетические алгоритмы Капсульные нейросети Основы нейронных сетей Распознавание лиц Распознавание образов Распознавание речи Техническое зрение Чат-боты Авторизация |
2017-01-02 12:24 Международная группа исследователей из Израиля, Франции, Китая, Латвии и США создали устройство, которое использует алгоритмы машинного обучения для диагностики 17 заболеваний по выдоху пациента. Cреди них — рассеянный склероз и болезнь Паркинсона. Изобретение опубликовано в журнале Американского химического общества ACS Nano (IF=13.334). Новое устройство использует, в общем, не новый принцип диагностики заболевания по биомаркерам в выдохе, однако впервые здесь используется анализ поступающих данных при помощи машинного обучения и анализируется сразу 13 молекул, которые детектируются сенсорами на основе наночастиц золота. Для того, чтобы натренировать устройство, авторы работы использовали выдохи 1404 человек из 5 стран. По словам авторов разработки, они могут диагностировать 17 заболеваний, в числе которых почечная недостаточность, несколько видов рака, включая рак лёгких, рассеянный склероз, болезнь Паркинсона и преэклампсия с точностью не менее 86 процентов. Текст: Алексей Паевский Diagnosis and Classification of 17 Diseases from 1404 Subjects via Pattern Analysis of Exhaled Molecules Morad K. Nakhleh, Nir Peled, Hossam Haick at al. ACS Nano DOI: 10.1021/acsnano.6b04930 Источник: neuronovosti.ru Комментарии: |
|