อัลกอริธึมการเรียนรู้เชิงลึกช่วยให้นักรังสีวิทยาตรวจหาหลอดเลือดสมองโป่งพองได้

อัลกอริธึมการเรียนรู้เชิงลึกช่วยให้นักรังสีวิทยาตรวจหาหลอดเลือดสมองโป่งพองได้

นักวิจัยในประเทศจีนได้พัฒนาอัลกอริธึมการเรียนรู้เชิงลึกที่สามารถช่วยให้นักรังสีวิทยาตรวจหาหลอดเลือดสมองโป่งพองที่อาจเป็นอันตรายถึงชีวิตได้จากภาพ CT หลอดเลือดสมองโป่งพองเป็นจุดอ่อนในหลอดเลือดในสมอง ซึ่งสามารถพองออกและเติมเลือดได้ หากโป่งพองดังกล่าวรั่วหรือแตกออก อาจทำให้เกิดอาการร้ายแรงและบางครั้งอาจถึงแก่ชีวิตได้ ความเสี่ยงของการแตกขึ้นอยู่กับขนาด

รูปร่าง

และตำแหน่งของหลอดเลือดโป่งพอง ทำให้การตรวจหาและลักษณะของหลอดเลือดสมองโป่งพองมีความสำคัญ เพื่อแสดงภาพหลอดเลือดหลังจากการฉีดสารทึบรังสีเข้าไปในกระแสเลือด มักจะเป็นการตรวจภาพบรรทัดแรกสำหรับตรวจหาหลอดเลือดสมองโป่งพอง แต่นี่อาจเป็นงานที่ท้าทาย: 

ความซับซ้อนของเส้นเลือดในสมองและหลอดเลือดสมองโป่งพองขนาดเล็กหมายความว่าอาจพลาดบางส่วนในระหว่างการประเมินเบื้องต้นด้วยเหตุนี้ นักวิจัยจึงเสนอว่าการเรียนรู้เชิงลึกซึ่งเป็นการเรียนรู้ด้วยเครื่องประเภทหนึ่งที่ใช้กันมากขึ้นในการพัฒนาอัลกอริธึมสำหรับการจดจำภาพ 

สามารถเพิ่มประสิทธิภาพการทำงานของรังสีแพทย์และลดจำนวนของหลอดเลือดโป่งพองที่มักถูกมองข้ามได้“ในการทำงานประจำวันของเรา เรามักจะเผชิญกับกรณีที่ดวงตามนุษย์พลาดรอยโรคที่สำคัญไป” ผู้เขียนอาวุโส จากโรงพยาบาล กล่าว ในแถลงการณ์ “หลอดเลือดสมองโป่งพองเป็นหนึ่ง

ในรอยโรคขนาดเล็กที่อาจถูกมองข้ามในการประเมินภาพรังสีเป็นประจำ” การรายงานผลงานของพวกเขาในสาขารังสีวิทยาและเพื่อนร่วมงานได้พัฒนาอัลกอริธึมการตรวจจับโดยใช้เครือข่ายประสาทเทียม ในการฝึกอบรมและประเมินอัลกอริทึมการเรียนรู้เชิงลึก พวกเขาใช้ภาพ CT ของศีรษะ 1,068 ภาพ

ที่มีรายงานภาวะหลอดเลือดสมองโป่งพอง ซึ่งได้มาจากเครื่องสแกนที่แตกต่างกันสี่เครื่องที่โรงพยาบาลสองแห่ง ครึ่งหนึ่งของแอนจิโอแกรม CT เหล่านี้ ซึ่งรวมถึงหลอดเลือดโป่งพอง 688 ชิ้นที่มีขนาดตั้งแต่ 1.2 ถึง 45.6 มม. ถูกนำมาใช้ในการฝึกอัลกอริทึม อีกครึ่งหนึ่งรวมถึงหลอดเลือดโป่งพอง 649 ชิ้น

ที่มีขนาด 

1.2 ถึง 30.8 มม. ได้สร้างชุดข้อมูลการตรวจสอบความถูกต้องหลังจากฝึกอัลกอริทึมแล้ว ทีมใช้มันเพื่อตรวจหาหลอดเลือดสมองโป่งพองในชุดข้อมูลการตรวจสอบความถูกต้อง อัลกอริทึมแสดงความไวสูงสุด 97.5% สำหรับการตรวจจับหลอดเลือดโป่งพอง โดยมีอัตราการตรวจพบเท็จ 13.8 ครั้งต่อกรณี 

ผลบวกลวงเหล่านี้พบได้ในบริเวณที่มีโครงสร้างเป็นกระดูก ส่วนที่แยกออกสองทางและความโค้งของเรือ และคราบพลัคที่กลายเป็นปูน ผู้เขียนทราบว่าส่วนใหญ่สามารถระบุได้โดยนักรังสีวิทยาประสิทธิภาพของอัลกอริธึมจะค่อยๆ ดีขึ้นในด้านความไวตามขนาดของโป่งพอง โดยถึง 100% 

ในโป่งพองขนาด 10 มม. หรือใหญ่กว่า ความไวต่ำสุดพบได้ในหลอดเลือดโป่งพองที่อยู่บริเวณหลอดเลือดสมองส่วนหน้าและส่วนหลัง ซึ่งส่วนใหญ่มีขนาดเล็กกว่า 3 มม. อัลกอริธึมยังพบโป่งพองใหม่ 8 แห่ง โดย 6 แห่งมีขนาดเล็กกว่า 3 มม. ซึ่งมนุษย์มองข้ามในรายงานรังสีวิทยาเบื้องต้น

ต่อไป นักวิจัยได้ทำการตรวจสอบภายนอกโดยใช้ CT เพิ่มเติมอีก 400 ภาพ ในจำนวนนี้ 188 รายมีหลอดเลือดโป่งพอง (206 ขนาด 1 ถึง 22 มม.) และ 212 รายเป็นลบ การตรวจสอบความถูกต้องดำเนินการโดยรังสีแพทย์สี่คนที่มีประสบการณ์ระหว่างหนึ่งถึงเจ็ดปีในการตรวจหลอดเลือดสมองด้วย

เครื่องเอกซเรย์คอมพิวเตอร์ CT รังสีแพทย์แต่ละคนได้รับการสุ่ม 200 CT สำหรับการแปลผลโดยมี/ไม่มีความช่วยเหลือจากอัลกอริทึม สำหรับภาพแต่ละภาพ พวกเขาบันทึกประเภท จำนวน ตำแหน่งและขนาดของโป่งพองใดๆ และเวลาในการวินิจฉัย สองสัปดาห์ต่อมา พวกเขาตีความตัวอย่างเดิมอีกครั้ง 

ความช่วยเหลือ

จากอัลกอริธึมการเรียนรู้เชิงลึกช่วยปรับปรุงประสิทธิภาพของรังสีแพทย์ในการตรวจจับหลอดเลือดสมองโป่งพอง เพิ่มความไวโดยรวมต่อรอยโรคจาก 79.09% เป็น 88.94% ความไวต่อกรณีคือ 81.63% และ 91.86% โดยไม่ใช้และด้วยอัลกอริทึม ตามลำดับ โดยเฉพาะอย่างยิ่ง 

ประสิทธิภาพการทำงานได้รับการปรับปรุงมากที่สุดสำหรับรังสีแพทย์ที่มีประสบการณ์น้อยที่สุดสองคน

นักวิจัยเน้นย้ำว่าอัลกอริทึมมีจุดประสงค์เพื่อทำหน้าที่เป็นเครื่องมือสนับสนุน โดยให้นักรังสีวิทยามีความเห็นที่สองเพื่อปรับปรุงความแม่นยำในการวินิจฉัย แต่ไม่ได้แทนที่เครื่องอ่านที่เป็นมนุษย์

สิ่งต่างๆ เริ่มดีขึ้นหลังจากแผนธุรกิจของฉันได้รับรางวัลเงินสดอันทรงเกียรติมูลค่า 120,000 ดอลลาร์จาก ในลุยวิลล์ ฉันใช้เงินทุนนี้เพื่อรับเงินกู้เพิ่มเติมจำนวน 120,000 ดอลลาร์ และการรวมทั้งสองอย่างนี้ทำให้ฉันสามารถเช่าพื้นที่การผลิต และสร้างหรือซื้ออุปกรณ์ที่จำเป็นในการสร้างโรงงานปัจจุบัน

ของ ภายในเดือนมิถุนายน พ.ศ. 2552 โรงงานพร้อมดำเนินการและเริ่มการผลิตภายในบริษัทในเวลาเดียวกัน ฉันได้สมัครเป็นสมาชิกสมาคมผู้ประกอบการกับองค์กรการกุศล มูลนิธิคอฟแมน ฉันได้รับเลือกพร้อมกับนักวิจัยด้านวิทยาศาสตร์ชั้นนำอีก 12 คนสำหรับโครงการระยะเวลาหนึ่งปีที่มุ่งสอนเรา

ถึงวิธีการนำงานวิจัยที่มีแนวโน้มไปสู่การค้า เราแต่ละคนมีที่ปรึกษาทางธุรกิจและเข้าร่วมเวิร์กช็อปเข้มข้นที่เรามีโอกาสสร้างเครือข่ายและเรียนรู้จากกันและกันและจากผู้เชี่ยวชาญด้านการเป็นผู้ประกอบการ การคบหานี้ทำให้ฉันออกจากงานที่ UofL และกลายเป็นพนักงานเต็มเวลาคนแรกในเดือนตุลาคม 2009

ถึงวุฒิภาวะคำถามสำคัญข้อหนึ่งที่ผู้ก่อตั้งสตาร์ทอัพต้องตอบคือเมื่อใดควรรับบุคลากรและพนักงานใหม่เข้ามา สำหรับ ประเด็นนี้เกิดขึ้นในช่วงกลางปี ​​2008  เกือบหนึ่งปีหลังจากก่อตั้งบริษัทอย่างเป็นทางการ แต่ก็เป็นเวลาหนึ่งปีก่อนที่เราจะมีโรงงานผลิตของเราเอง มาถึงตอนนี้ ฉันได้ตระหนักว่านักลงทุน

credit : สล็อตเว็บตรง100 / ดูหนังฟรี / 50รับ100