新的人工智能模型可以更快、更准确地识别疾病
作者：Jay Kakade
一群工程师和生物学家华盛顿州立大学已经开发出一种人工智能能够从人体组织图像中识别疾病迹象的系统。该系统使用可扩展的深度学习来识别感染，在时间和准确性上都超出了人类的能力。
为了准确地进行组织病理学诊断，研究人员必须整合人工智能、计算机视觉和医学。这种交叉点是阻碍自动疾病检测模型发展的核心问题。
此外，大尺寸的显微图像和组织层面的复杂结构又增加了一层磨难。即使对于人类来说，在十亿像素图像中查找病理实例也是一项艰巨的任务，这也怀疑任何检测模型的实时应用。
一项新研究发表于 科学报告提出了一种新的深度学习模型，可以有效识别十亿像素组织病理学幻灯片中的错误。这种新颖的方法可以加快疾病相关研究的步伐，病理学家需要数小时才能识别实例。
—这个基于人工智能的深度学习程序在观察这些组织方面非常非常准确，Ø说迈克尔·斯金纳。—它可以彻底改变动物和人类的此类药物，从本质上更好地促进此类分析。—
该人工智能模型使用两个组件；数据准备和深度学习模型。在数据准备中，滑动窗口用于查看图像各部分的多种分辨率。为此，研究人员使用了斯金纳实验室过去进行的表观遗传学研究的图像。
这些图像包含疾病的迹象肾大鼠和小鼠的睾丸、睾丸和卵巢组织。为了向人工智能添加额外的输入，研究人员向其提供了更多十亿像素图像，包括乳腺癌和淋巴结转移图像。
在测试过程中，研究人员发现新的人工智能模型比以前的系统更加高效和准确。有趣的是，它甚至发现了受过训练的人类所遗漏的病理。
—我认为我们现在有一种比人类更快、更准确的方法来识别疾病和组织，——该研究的作者之一霍尔德说。
在这些现代系统出现之前，分析需要多名经过培训的专业人员在显微镜下识别和注释组织。然后病理学家再次重新检查这项工作，以减少人为错误。
据研究人员称，斯金纳的大型表观遗传学研究对于人类来说需要花费近一年的时间。现在，借助新的人工智能深度学习模型，研究人员可以在几周内获得相同且更准确的数据。
计算机工程师将这个模型与数十亿像素集成在一起，这对于处理极高分辨率的图像至关重要。工程师已经添加了扫描小块图像的功能，并将它们放置在较大部分的背景中。
此外，该系统具有反向传播功能。这意味着它从错误中吸取教训，纠正错误，并尽量不重蹈覆辙。
我们设计的网络是最先进的，——霍尔德说。—我们在本文中与其他几个系统和其他数据集进行了比较，它击败了所有这些系统和数据集。—
期刊参考
- Greeley, C.、Holder, L.、Nilsson, E. E. 和 Skinner, M. K. (2024)。可扩展的深度学习人工智能组织病理学载玻片分析和验证。科学报告，14(1)，1-26。数字编号：10.1038/s41598-024-76807-x
关于《新的人工智能模型可以更快、更准确地识别疾病》的评论
暂无评论