Публикации по теме 'radiology'


Глубокое обучение имеет слишком много вариантов.
Глубокое обучение имеет слишком много вариантов. Начнем с того, что существует так много методологий, начиная с оригинальной схемы персептрона, предложенной Фрэнком Розенблаттом в 1958 году, и заканчивая многими другими, показанными ниже. Глубокое обучение — это грубая модель того, как человеческий разум способен расшифровывать информацию от органов чувств, в первую очередь зрения и звука, используя коллективный набор нейронных импульсов для идентификации объекта как видимого или..
Взлом пневмонии: новый способ ее диагностики
Прорывы, вкратце Взлом пневмонии: новый способ ее диагностики Когда компьютерные ученые и радиологи объединяются, вы получаете более быстрые и лучшие результаты. Диана Агилера Чему медицинскому диагнозу вы бы доверяли больше: опытному врачу или алгоритму? Оказывается, по крайней мере, когда дело доходит до пневмонии, искусственный интеллект может расшифровывать рентгеновские снимки грудной клетки более точно, чем рентгенологи. Мы можем воспользоваться помощью. По данным..
Погружаюсь в машинное обучение для выявления пневмонии на рентгенограммах грудной клетки
Введение Я шел в слепую, у меня не было опыта машинного обучения и практически не было опыта программирования, но мне было любопытно, смогу ли я создать модель, которая сможет обнаруживать заболевания на рентгеновских снимках с помощью машинного обучения. Я чувствовал, что машинное обучение окажет огромное влияние на рентгенологию, поскольку уменьшит нагрузку рентгенологов. Может показаться, что у рентгенологов не так много работы, как у врачей-радиологов, поскольку они проводят большую..
Преобразование радиологии и диагностической визуализации с помощью ИИ
от Мэдисон Макнейр ИИ трансформирует медицинские приложения в радиологии и диагностической визуализации, по сути, используя возможности миллионов вторых мнений . Благодаря обучению моделей машинного обучения нового поколения с использованием опыта миллионов высококвалифицированных и опытных врачей модели искусственного интеллекта все чаще превосходят любого врача во многих задачах медицинской визуализации. Не зная многого о том, что происходит в медицине, некоторые могут..
Исследования искусственного интеллекта на RSNA 2017
RSNA 2017 была сумасшедшей шумихой вокруг темы искусственного интеллекта в радиологии, и поэтому я хотел погрузиться глубже и узнать, из-за чего возникла такая шумиха. За этой суматохой стоит группа исследователей, которые добиваются прогресса, и вот некоторые из исследователей, которых я заметил. Соревнования по педиатрическому возрасту костного возраста Соревнование по машинному обучению RSNA, участники которого разработали алгоритмы для оценки костного возраста на детской..
Великобритания может стать лидером в области ИИ в радиологии. Вот как…
Великобритания имеет богатую историю лидерства в радиологии - в конце концов, британцы открыли процессы, лежащие в основе компьютерных и магнитно-резонансных томографов. Однако прошло много времени с тех пор, как мы обнаружили нечто настолько революционное ... Я говорю, что пора стать лидером в области искусственного интеллекта в радиологии. Программное обеспечение искусственного интеллекта в применении к радиологии и медицинской визуализации может значительно улучшить качество помощи..
Реализация DenseNet на MURA с использованием PyTorch
В декабре прошлого года Standford ML Group выпустила набор данных MURA, большой набор данных рентгенограмм опорно-двигательного аппарата, содержащий 40 895 изображений из 14 982 исследований, где каждое исследование вручную помечено радиологами как нормальное или ненормальное. Один из крупнейших в своем роде. Они также разработали плотную сверточную нейронную сеть из 169 слоев для обнаружения и локализации аномалий. Модель достигла производительности, сравнимой с показателями..