Анализ медицинских снимков с помощью машинного обучения

МЕНЮ


Искусственный интеллект
Поиск
Регистрация на сайте
Помощь проекту

ТЕМЫ


Новости ИИРазработка ИИВнедрение ИИРабота разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика

Авторизация



RSS


RSS новости


2018-10-04 01:21

ии в медицине

Выпускница Инженерного Колледжа Синдзини Кунду недавно была названа одним из 35 инноваторов MIT Technology Review возрастом до 35 лет за ее работу над системой искусственного интеллекта, которая может интерпретировать медицинские снимки способами, которыми люди не могут.

Некоторые люди рождаются для быстрого преодоления препятствий. В 16 лет выпускница Синдзини Кунду окончила среднюю школу. В 19 лет она получила степень бакалавра электротехники в Стэнфордском университете, а в 20 лет получила степень магистра. В 25 и 27 лет она получила степень доктора философии. и доктора медицинских наук, соответственно, в рамках программы обучения ученых медицины (MSTP) в Университете Карнеги-Меллона (Биомедицинская инженерия) и в Университета Питтсбурга.

В 27 лет Кунду была названа одним из 35 инноваторов по версии Массачусетского технологического института возрастом до 35 лет за ее работу над системой искусственного интеллекта, которая может интерпретировать медицинские образы способами, которые люди не могут. Её программа, названная 3D-транспортно-ориентированной морфометрией ( 3D Transport-Based Morphometry или просто TBM), может значительно повлиять на то, как мы диагностируем и лечим болезни.

Синдзини Кунду
«Некоторые статистические данные говорят о том, что до 80 процентов всех медицинских диагнозов сделаны или подтверждены через исследования снимков. Поскольку машины для обработки изображений только улучшались, я задалась вопросом, может ли на снимках быть неуловимая для человека информация, которая важна для распознавания болезни, которая ускользала от обнаружения людьми », - говорит Кунду. «Я думала, что если мы сможем найти скрытые структуры, то они могут указать нам на появление болезни таким образом, о котором мы даже не думали. Это была мотивация, стоящая за 3D TBM.

Кунду обнаружила, что 3D TBM действительно может находить доказательства болезни из медицинских снимков, которые люди не могут видеть, и что эти данные могут помочь предсказать болезни даже до появления видимых или физических симптомов. Одним из заболеваний, изучаемых Кунду, был остеоартрит. Используя 3D TBM, она смогла увидеть очень тонкие изменения в медицинских снимках хряща колена у здоровых людей. Эти изменения, идентифицированные 3D TBM, могут спрогнозировать, будет ли у кого-то из пациентов развиваться остеоартрит на протяжении трёх лет в будущем с точностью до 86 процентов.

«Я не думала, что обязательно буду работать над проектом машинного обучения, когда я впервые начала», - говорит Кунду. «Я просто подумала, что это действительно крутая идея, что есть важная проблема, и я могу помочь её решить, применив инженерные навыки, которые я узнала. Это была возможность расти как инженер, а также решить важную проблему медицинского диагноза. Теперь я вижу, что машинное обучение является его большой составляющей».

Источник: m.vk.com

Комментарии: