Нейросеть создает МРТ-снимки мозга для тренировки алгоритмов |
||
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 |
2018-09-26 16:06 Разработчикам нейронных сетей для оценки медицинских снимков не хватает точных и надёжных данных для тренировки моделей машинного обучения. Исследователи NVIDIA, клиники Майо и Центра исследования клинических данных представили нейросеть для создания снимков МРТ головного мозга, которые затем можно использовать для обучения алгоритмов диагностики. «Наборы данных часто несбалансированы, поскольку патологические результаты обычно редки, что создает серьезные проблемы при обучении моделей. Мы предлагаем метод создания синтетических изображений МРТ с опухолями головного мозга с помощью генеративно—состязательной нейросети» — написали исследователи в статье.
Команда разработала модель глубокого обучения на основе алгоритма pix2pix. Нейросеть обучили на изображениях из двух общедоступных датасетов, содержащих МРТ головного мозга с изменениями, вызванными опухолями и болезнью Альцгеймера. Технология позволяет менять размер и место локализации опухоли, делая данные более разнообразными. Более того, изображения генерируются синтетически, нет информации о пациентах и проблем конфиденциальности, поэтому медицинские учреждения могут легко обмениваться данными, создавая миллионы комбинаций для ускорения работы и обучения моделей. Источник: neurohive.io Комментарии: |
|