Inteligjenca Artificiale potencial në identifikimin e imazheve nepermjet rrezeve X

Inteligjenca artificiale mban potencial të vërtetë për përmirësimin e shpejtësisë dhe saktësisë së diagnostikimit mjekësor. Por para se klinikantët të mund të përdorin fuqinë e AI për të identifikuar kushtet në imazhe si rrezet X.  Ata duhet të “mësojnë” algoritmet se çfarë të kërkojnë.

Identifikimi i patologjive të rralla në imazhet mjekësore ka paraqitur një sfidë të vazhdueshme për studiuesit.  Për shkak të pamjaftueshmërisë së pamjeve që mund të përdoren.  Për të trajnuar sistemet e AI në një mjedis mësimi të mbikëqyrur.

Studiuesit kanë përdorur mësimin e makinerisë për të krijuar rreze X

Studiuesit kanë përdorur mësimin e makinerisë për të krijuar rreze X.  Të gjeneruara nga kompjuteri për të shtuar grupet e trajnimit të AI.

Ata janë duke krijuar rreze X të simuluara që pasqyrojnë disa kushte të rralla.  Në mënyrë që t’i kombinojnë ato me rreze X të vërteta për të pasur një bazë të dhënash për të trajnuar rrjetet nervore dhe për të identifikuar këto kushte në rrezet e tjera X

Një grup mjekësh, shkencëtarësh dhe studiuesish inxhinierikë, janë duke kombinuar ekspertizën e tyre.  Ekspertiza e tyre  ka lidhje në përpunimin e imazhit, inteligjencën artificiale dhe mjekësinë për të zgjidhur sfidat mjekësore. AI ka potencialin për të ndihmuar në një mori mënyrash në fushën e mjekësisë. Për ta bërë këtë ne kemi nevojë për shumë të dhëna – mijëra imazhe të etiketuara. Qe na duhen për t’i bërë këto sisteme të funksionojnë apo thjesht nuk ekzistojnë për disa kushte të rralla.

Për të krijuar këto rreze X artificiale, ekipi përdor një teknikë AI

Për të krijuar këto rreze X artificiale, ekipi përdor një teknikë AI të quajtur një rrjet të thellë konversional gjenerues konflikti (DCGAN). Për të gjeneruar dhe përmirësuar vazhdimisht imazhet e simuluara. GAN-të janë një lloj algoritmi i përbërë nga dy rrjete. Një që gjeneron imazhe dhe tjetri që përpiqet të diskriminojë imazhet sintetike nga imazhet reale. Të dy rrjetet janë trajnuar në atë pikë sa që diskriminuesi nuk mund të dallojë imazhet reale nga ato të sintetizuara.

Pasi të krijohen një numër i mjaftueshëm i rrezeve X artificiale, ato kombinohen me rreze X të vërteta.  Për të trajnuar një rrjet nervor konvulsiv të thellë, i cili më pas klasifikon pamjet si normale ose identifikon një numër kushtesh.

Të dhënat artificiale të krijuara nga një GAN mund të përdoren për të shtuar të dhënat e vërteta. Kjo siguron një sasi më të madhe të të dhënave për trajnime dhe përmirëson performancën e këtyre sistemeve në identifikimin e kushteve të rralla.

Saktësia e të dhënave

Ata e krahasuan saktësinë e të dhënave të tyre të shtuara me të dhënat origjinale kur ushqeheshin përmes sistemit të tyre të AI dhe zbuluan se saktësia e klasifikimit u përmirësua me 20 përqind për kushtet e zakonshme. Për disa kushte të rralla, saktësia është përmirësuar deri në rreth 40 përqind – dhe për shkak se rrezet X të sintetizuara nuk janë nga individë të vërtetë, të dhënat mund të jenë të disponueshme për studiuesit jashtë ambienteve të spitalit pa shkelur shqetësimet e intimitetit.

Kjo gjë është emocionuese sepse kanë qenë në gjendje të kapërcejnë një pengesë në aplikimin e inteligjencës artificiale në mjekësi duke treguar që këto të dhëna të shtuara ndihmojnë për të përmirësuar saktësinë e klasifikimit.

Të mësuarit e thellë funksionon vetëm nëse vëllimi i të dhënave të trajnimit është mjaft i madh dhe kjo është një mënyrë për të siguruar që kemi rrjete nervore që mund të klasifikojnë imazhet me precizion të lartë.