อัลกอริธึมปัญญาประดิษฐ์ (AI) สามารถสร้างภาพ MR สมองสังเคราะห์ แก้ปัญหาความท้าทายหลายประการในการฝึกอบรมอัลกอริธึม AI ตามการวิจัยที่นำเสนอในการประชุมระหว่างประเทศเกี่ยวกับการประมวลผลภาพทางการแพทย์และการแทรกแซงด้วยคอมพิวเตอร์ช่วย ( MICCAI ) ในเมืองกรานาดา ประเทศสเปน นักวิจัยจาก NVIDIA, Massachusetts General Hospital และ Brigham
สมองผิดปกติสังเคราะห์ ภาพสังเคราะห์เหล่านี้
สามารถใช้เพื่อเพิ่มชุดข้อมูลขนาดเล็กหรือแม้แต่ในตัวเองเพื่อฝึกอัลกอริธึมการเรียนรู้เชิงลึกตามที่ Hoo-Chang Shin นักวิทยาศาสตร์การวิจัยอาวุโสของNVIDIAกล่าวภาพ MR สมองสังเคราะห์ตัวอย่างภาพ MR สมองสังเคราะห์ที่สร้างโดย GAN แถวแรกแสดงภาพจริงซึ่งเป็นพื้นฐานของเนื้องอกสังเคราะห์“เราแสดงให้เห็นว่าคุณไม่จำเป็นต้องเข้าถึงภาพผู้ป่วยจำนวนมาก” เขากล่าวกับAuntMinnie.com “คุณสามารถสร้างภาพสังเคราะห์จำนวนมากและฝึก AI ของคุณกับภาพสังเคราะห์เหล่านี้ได้ โดยใช้ภาพจริงเพียงไม่กี่ภาพเพื่อปรับแต่ง AI ที่ฝึกไว้ล่วงหน้าอย่างละเอียด และบรรลุประสิทธิภาพเกือบเท่าเทียมกับที่คุณฝึกกับของจริงจำนวนมาก ข้อมูล.”
การใช้ GAN ในการถ่ายภาพทางการแพทย์ได้รับความนิยมเพิ่มขึ้นเมื่อเร็วๆ นี้สำหรับการใช้งานต่างๆ เช่น การสร้างภาพ CT หัวสังเคราะห์จากภาพ MR ของสมอง และสำหรับการผลิตภาพเอ็กซ์เรย์สังเคราะห์เพื่อช่วยในการฝึกอัลกอริธึม ในโครงการของพวกเขา นักวิจัยได้ฝึกอบรม GAN โดยใช้ชุดข้อมูล Alzheimer’s Disease Neuroimaging Initiative (ADNI) และชุดข้อมูล Multimodal Brain Tumor Image Segmentation Benchmark (BRATS)
อัลกอริทึมช่วยให้นักพัฒนาสามารถเปลี่ยนขนาดของเนื้องอกบนภาพ MR เปลี่ยนตำแหน่งหรือวางไว้บนสมองปกติได้ นักวิจัยกล่าวว่าสามารถสร้างภาพสังเคราะห์เหล่านี้ได้หลายร้อยหรือหลายพันภาพ ในการทดสอบ พวกเขาพบว่าการเพิ่มข้อมูลสังเคราะห์เพื่อเพิ่มข้อมูล MRI จริงช่วยปรับปรุงประสิทธิภาพของอัลกอริธึมการเรียนรู้เชิงลึก
“ประการที่สอง ซึ่งน่าตื่นเต้นยิ่งกว่านั้น
เราสามารถบรรลุประสิทธิภาพที่คล้ายคลึงกันโดยใช้ข้อมูลสังเคราะห์เท่านั้น” ชินกล่าวโครงข่ายประสาทเทียมระดับลึกสังเคราะห์ภาพ PET แบบเต็มขนาดอัลกอริธึมจัดการกับความท้าทายที่ยิ่งใหญ่อย่างหนึ่งของการฝึกอัลกอริธึมการเรียนรู้เชิงลึกสำหรับ AI ภาพทางการแพทย์: การขาดข้อมูลที่น่าเชื่อถือและแม่นยำสำหรับการฝึกอบรมโครงข่ายประสาทเทียม เขากล่าว การค้นหาเคสที่เพียงพอสำหรับโรคที่เฉพาะเจาะจงในการฝึก AI อาจเป็นเรื่องท้าทาย โดยเฉพาะอย่างยิ่งหากเป็นภาวะที่พบได้ยาก
“และประการที่สอง แม้ว่าเราจะมี [กรณีโรค] เพียงพอ การทำหมายเหตุประกอบก็ใช้เวลานานมากและมีค่าใช้จ่ายสูง” ชินกล่าวอัลกอริทึมยังระบุปัญหาความเป็นส่วนตัวของผู้ป่วยที่ขัดขวางการสร้างชุดข้อมูลขนาดใหญ่ที่จำเป็นสำหรับการฝึกอบรมอัลกอริทึมเหล่านี้
“อัลกอริธึมของเราสามารถสร้างภาพผู้ป่วยสังเคราะห์ซึ่งไม่ได้เชื่อมโยงกับผู้ป่วยรายใดรายหนึ่ง ดังนั้นจึงไม่ระบุชื่อ” ชินกล่าว “การแบ่งปัน [ชุดข้อมูล] นอกสถาบันทางคลินิกหรือโรงพยาบาลง่ายกว่า ดังนั้นเราจึงสามารถรับชุดข้อมูลภาพทางการแพทย์ขนาดใหญ่และฝึกอบรม AI สำหรับอัลกอริธึม AI ที่มีประสิทธิภาพดี”
“เมื่อมองหาผู้เชี่ยวชาญที่จะเข้าร่วมในการศึกษาของเรา เราพบว่าเราสามารถรับสมัครนักสำรวจแผ่นดินไหวได้ค่อนข้างง่าย อาจเป็นเพราะว่าการเกิดแผ่นดินไหวที่เหนี่ยวนำเป็นประเด็นร้อนในสาขาของพวกเขาในขณะนี้” Trutnevyte กล่าว “อย่างไรก็ตาม มันยากสำหรับเราที่จะหาวิศวกรโครงสร้างที่เคยทำงานเกี่ยวกับความเสียหายที่เกิดจากแผ่นดินไหวที่ก่อให้เกิดความเสียหายต่ออาคาร โครงสร้างพื้นฐาน และประชากรในบริเวณใกล้เคียง”
ได้จัดทำแพ็คเกจการทำงานเพื่อขยาย
ความรู้พื้นฐานเกี่ยวกับการผลิตพลังงานความร้อนใต้พิภพ ซึ่งอาจช่วยในการนำความคิดเห็นมารวมกันผู้ป่วยที่เป็นอัมพาตของรยางค์ล่างโดยสมบูรณ์สามารถก้าวอีกครั้งได้อย่างอิสระหลังจากใช้การกระตุ้นเส้นประสาทไขสันหลังแบบอิเล็กทรอนิกส์และการบำบัดฟื้นฟูร่วมกัน รายงานการศึกษาจาก Mayo Clinic และ UCLA การบาดเจ็บที่ไขสันหลังอย่างรุนแรงสามารถตัดการทำงานของศูนย์สมองที่อยู่สูงขึ้นไปซึ่งนำทางการเคลื่อนไหวจากวงจรไขสันหลังซึ่งอยู่ใต้อาการบาดเจ็บซึ่งโต้ตอบกับกล้ามเนื้อโครงร่าง – ทำให้เกิดอัมพาตเรื้อรัง ในการศึกษานี้ ผู้ทดลองได้รับบาดเจ็บที่ไขสันหลังตรงกลางหลังของเขาจากอุบัติเหตุรถเคลื่อนบนหิมะ
ผู้เข้าร่วมการวิจัยครั้งแรกเข้าร่วมในการบำบัดทางกายภาพเป็นเวลา 22 สัปดาห์ จากนั้นจึงได้รับอุปกรณ์กระตุ้นกระดูกสันหลังด้วยไฟฟ้าที่ฝังไว้โดยแพทย์ผู้วิจัยร่วมKendall Leeและทีมศัลยกรรมประสาทของเขา รากฟันเทียมตั้งอยู่ในพื้นที่แก้ปวด – ส่วนนอกสุดของคลองกระดูกสันหลัง – ในตำแหน่งเฉพาะด้านล่างพื้นที่ที่ได้รับบาดเจ็บ
ชายคนต่อไปเข้ารับการฝึกอบรมการฟื้นฟูสมรรถภาพต่อเนื่องหลายรูปแบบเฉพาะงาน 113 ครั้งในช่วง 43 สัปดาห์ข้างหน้า ในสัปดาห์แรก เขาใช้สายรัดเพื่อลดความเสี่ยงที่จะหกล้มและทำให้ร่างกายส่วนบนมีความสมดุล ผู้ฝึกสอนอยู่ในตำแหน่งที่หัวเข่าและสะโพกเพื่อช่วยให้เขายืน แกว่งขา และเปลี่ยนน้ำหนัก เนื่องจากเขาไม่รู้สึกตัวในตอนแรก เขาจึงใช้กระจกส่องดูขาของเขา และผู้ฝึกสอนอธิบายตำแหน่งขา การเคลื่อนไหวและการทรงตัว
“มันเป็นโปรโตคอลที่เข้มงวดและเข้มข้นมาก แต่เราเชื่อว่าสิ่งนี้มีผลกระทบต่อการฟื้นตัว และคิดว่ามันสำคัญมากสำหรับการกู้คืน” Kristin Zhao ผู้ร่วมวิจัยหลัก ผู้ อำนวยการห้องปฏิบัติการเทคโนโลยีช่วยเหลือและฟื้นฟูของ Mayo Clinic กล่าว .
ภายในสัปดาห์ที่ 25 ชายผู้นี้ไม่ต้องการสายรัด และผู้ฝึกสอนให้ความช่วยเหลือเป็นครั้งคราวเท่านั้น เมื่อสิ้นสุดโปรแกรม 43 สัปดาห์ และเมื่อเปิดเครื่องกระตุ้น ผู้ป่วยสามารถสร้างการหดตัวของกล้ามเนื้อขาโดยตั้งใจซึ่งสามารถรองรับการยืนและการก้าวได้ เขาสามารถก้าวโดยใช้เครื่องช่วยเดินแบบมีล้อหน้าและบนลู่วิ่ง และเดินด้วยความช่วยเหลือทั้งหมดเป็นเวลา 16 นาที บรรลุจำนวนก้าวทั้งหมด 331 ขั้น และระยะทาง 102 เมตร อย่างไรก็ตาม เมื่อหมดการกระตุ้น ชายคนนั้นยังคงเป็นอัมพาต
“จำนวนก้าวที่เขาสามารถทำได้นั้นค่อนข้างสำคัญ ระยะทางทั้งหมดประมาณความยาวของสนามฟุตบอล” ลี ผู้อำนวยการ ห้องปฏิบัติการประสาทวิทยาของ Mayo Clinicกล่าว “ฉันคิดว่านี่เป็นการศึกษาที่สำคัญมาก หากคุณดูงานวิจัยที่ทำในช่วง 50 ปีที่ผ่านมาเพื่อพยายามควบคุมการทำงานกลับคืนมา ก็ไม่ประสบความสำเร็จมากนัก ดังนั้นแม้ว่าการศึกษาครั้งนี้จะเป็นผู้ป่วยเพียงรายเดียว แต่ความสามารถในการควบคุมโดยเจตนากลับคืนมาจึงมีความสำคัญอย่างมาก”
Credit : เกมส์ออนไลน์แนะนำ >>>ป๊อกเด้งออนไลน์ ขั้นต่ำ 5 บาท
