Популярные посты
Инструмент искусственного интеллекта для обнаружения признаков болезни Альцгеймера
Исследование, опубликованное в журнале Nature Communications, является доказательством концепции машинного обучения для определения критических маркеров нейродегенеративного заболевания.
По словам исследователей из Калифорнийского университета в Дэвисе в США, амилоидные бляшки - это скопления белковых фрагментов в мозгу людей с болезнью Альцгеймера, которые разрушают связи нервных клеток. (Фото Thinkstock Images) Исследователи нашли способ научить компьютер точно определять один из признаков болезни Альцгеймера в тканях мозга человека с помощью искусственного интеллекта (ИИ).
Исследование, опубликованное в журнале Nature Communications , является доказательством концепции подхода машинного обучения к распознаванию критических маркеров нейродегенеративного заболевания.
Амилоидные бляшки - это скопления белковых фрагментов в мозгу людей с болезнью Альцгеймера, которые разрушают связи нервных клеток, говорят исследователи из Калифорнийского университета в Дэвисе (UC Davis) в США.
Подобно тому, как Facebook распознает лица на основе захваченных изображений, инструмент машинного обучения может определить, есть ли в образце ткани мозга тот или иной тип амилоидной бляшки, и сделать это очень быстро.
Полученные данные свидетельствуют о том, что машинное обучение может расширить опыт и аналитику опытного невропатолога.
Этот инструмент позволяет им анализировать в тысячи раз больше данных и задавать новые вопросы, которые были бы невозможны при ограниченных возможностях обработки данных даже у самых высококвалифицированных экспертов-людей.
«Нам все еще нужен патолог», - сказала Бриттани Н. Даггер, доцент Калифорнийского университета в Дэвисе и ведущий автор исследования.
Это инструмент, как клавиатура для письма. По словам Даггера, поскольку клавиатуры помогают в написании рабочих процессов, цифровая патология в сочетании с машинным обучением может помочь в рабочих процессах невропатологии.
Она сотрудничала с Майклом Дж. Кейзером, доцентом Калифорнийского университета в Сан-Франциско (UCSF), чтобы определить, могут ли они научить компьютер автоматизировать трудоемкий процесс идентификации и анализа крошечных амилоидных бляшек различных типов в больших срезах вскрытых человеческих тел. ткани головного мозга.
Кейзер и его команда разработали сверточную нейронную сеть (CNN), компьютерную программу, предназначенную для распознавания шаблонов на основе тысяч примеров, помеченных людьми.
Команда разработала метод, позволяющий быстро аннотировать или маркировать десятки тысяч изображений из коллекции полмиллиона изображений крупным планом тканей из 43 образцов здорового и больного мозга.
Подобно компьютерной службе знакомств, которая позволяет пользователям проводить пальцем влево или вправо, чтобы пометить чью-то фотографию «горячая» или «нет», они разработали веб-платформу, которая позволила Даггеру по очереди просматривать сильно увеличенные области потенциальных бляшек и быстро маркировать их. что она там увидела.
Этот инструмент цифровой патологии, который исследователи назвали blob or not, позволил Dugger аннотировать более 70000 blob или кандидатов на бляшки со скоростью около 2000 изображений в час.
Команда UCSF использовала эту базу данных из десятков тысяч изображений с пометками, чтобы обучить свой алгоритм машинного обучения CNN для выявления различных типов изменений мозга, наблюдаемых при болезни Альцгеймера.
Красный цветок с желтым центром, название
Это включает в себя различение так называемых сердцевинных и диффузных бляшек и выявление аномалий в кровеносных сосудах.
Исследователи показали, что их алгоритм может обрабатывать слайд всего мозга с точностью 98,7%, причем скорость ограничивается только количеством используемых компьютерных процессоров.