国产xxxx99真实实拍_久久不雅视频_高清韩国a级特黄毛片_嗯老师别我我受不了了小说

資訊專欄INFORMATION COLUMN

將AR和顯微鏡結合用于癌癥檢測

617035918 / 1718人閱讀

摘要:為了演示的潛在功能,我們將其配置為運行兩種不同的癌癥檢測算法一種用于檢測淋巴結標本中的乳腺癌轉移,另一種用于檢測前列腺切除術標本中的前列腺癌。

近期,深度學習在眼科、皮膚科、放射科和病理科等醫學學科領域展現出了廣泛的應用前景,它可以幫助醫療機構向世界各地的患者提供更加精準、更易獲得的優質醫療服務。Google 近期也發布了一項研究成果,這項成果顯示,卷積神經網絡能夠檢測出淋巴結中的乳腺癌轉移,其準確度可與訓練有素的病理學家相媲美。不過,到目前為止,病理學家診斷疾病的主要手段仍是使用復式光學顯微鏡直接觀察組織,因此,如何將微觀組織進行數字化展示成了深度學習技術在病理學科大規模應用的關鍵挑戰。

在美國癌癥研究協會 (AACR) 年會的演講中,我們通過一篇題為“An Augmented Reality Microscope for Real-time Automated Detection of Cancer”(正在評審)的論文介紹了一款增強現實顯微鏡 (ARM) 的平臺原型,我們相信這款產品可以幫助加速深度學習工具在全球病理學家中間的推廣應用。此平臺由一個經過改良的光學顯微鏡組成,這個顯微鏡能夠對圖像進行實時分析并直接在視野中呈現機器學習算法的分析結果。值得一提的是,只需使用低成本、現成的組件,就可以將 ARM 安裝到世界各地醫院和診所中常見的普通光學顯微鏡中,而且無需對數字系統進行全面升級就能分析組織。

現代計算組件和深度學習模型(例如,在 TensorFlow 平臺上構建的模型)使得這個平臺能夠運行大量的預訓練模型。與傳統模擬顯微鏡的使用方法一樣,用戶通過目鏡觀察樣本。機器學習算法將其輸出結果實時投射到光路中。此數字投影在視覺上疊加在標本的原始(模擬)圖像之上,幫助觀察者定位或量化感興趣的特征。而且,重要的是,計算和視覺反饋更新非常迅速,目前實現的運行速度已接近 10 幀/秒,這意味著當用戶通過移動玻片和/或改變放大倍數掃描組織時,可以獲得流暢、無縫的視覺體驗。

左圖:ARM 原理概覽。數碼相機捕捉到與用戶相同的視野 (FoV),然后將圖像傳送給能夠運行機器學習模型實時推理的附加計算單元。結果隨即被反饋到一個自定義的 AR 顯示屏中,此顯示屏與目鏡在同一直線上,并將模型輸出投影到與玻片相同的平面上。右圖:該圖展示了已安裝到典型臨床級光學顯微鏡中的平臺原型。

理論上,ARM 可以提供各式各樣的視覺反饋,包括文本、箭頭、輪廓、熱圖或動畫,并且可以運行多種類型的機器學習算法以解決對象檢測、量化和分類等不同問題。

為了演示 ARM 的潛在功能,我們將其配置為運行兩種不同的癌癥檢測算法:一種用于檢測淋巴結標本中的乳腺癌轉移,另一種用于檢測前列腺切除術標本中的前列腺癌。這些模型可以在 4-40x 的放大倍數下運行,并且給定模型的結果通過用綠色輪廓勾畫出檢測到的腫瘤區域來顯示。這些輪廓可以幫助病理學家注意到感興趣的區域,不會使潛在的腫瘤細胞看起來模糊不清。

通過 ARM 的鏡頭觀察到的視圖示例。這些圖像展示了 4x、10x、20x 和 40x 放大倍數下的淋巴結轉移模型示例。

雖然這兩種癌癥模型最初都是在由一個具有完全不同光學配置的整個玻片掃描儀所獲得的圖像上進行訓練的,但這些模型在 ARM 上表現非常出色,無需額外的重新訓練。例如,在 ARM 上運行時,淋巴結轉移模型的曲線下面積 (AUC) 為 0.98,前列腺癌模型在視野 (FoV) 中的癌癥檢測的 AUC 為 0.96,僅略低于在 WSI 上得到的結果。我們認為,可以通過在直接從 ARM 本身獲取的數字圖像上進行附加訓練,進一步提高這些模型的性能。

我們相信,ARM 將對全球衛生事業產生重大影響,尤其是在發展中國家/地區的傳染病診斷方面,包括結核病和瘧疾等。此外,即使在即將采用數字病理學工作流程的醫院中,ARM 也可與數字工作流程結合使用,因為在數字工作流程中,掃描儀仍面臨重大挑戰或需要實現快速周轉(如細胞學、熒光成像或手術后的冷凍切片)。當然,光學顯微鏡已經在病理學以外的很多行業證明了自身價值,我們相信 ARM 可以應用于醫療、生命科學研究和材料科學等眾多領域。我們很高興能繼續探索 ARM,幫助加速機器學習在世界各地產生積極影響。

歡迎加入本站公開興趣群

商業智能與數據分析群

興趣范圍包括各種讓數據產生價值的辦法,實際應用案例分享與討論,分析工具,ETL工具,數據倉庫,數據挖掘工具,報表系統等全方位知識

QQ群:81035754

文章版權歸作者所有,未經允許請勿轉載,若此文章存在違規行為,您可以聯系管理員刪除。

轉載請注明本文地址:http://specialneedsforspecialkids.com/yun/4784.html

相關文章

  • [DL-醫療-綜述] 003 綜合指南及實例(下)

    摘要:淋巴細胞是白細胞的一個亞種,在免疫系統中很重要。患病或有異物的區域淋巴細胞數量會極大增加,所以通過確認和定量淋巴細胞的密度和位置有助于評估疾病。本節目標是確定淋巴細胞的中心,是一個檢測任務。常見的假陽性和真實正例見圖。 Deep learning for digital pathology image analysis: A comprehensive tutorial with se...

    史占廣 評論0 收藏0
  • 使用深度學習推動科學圖像分析

    摘要:我們還了解到,許多科學家不編寫代碼,但對在自己的圖像分析工作中利用深度學習仍然感到非常興奮。后續發展基于深度學習的科學圖像分析方法將提高準確性減少手動參數調整,并且可能會帶來新認識。 許多科學成像應用(尤其是顯微鏡檢查)每天可以產生數太字節的數據。這些應用可以從近年來的計算機視覺和深度學習發展中受益。在我們與生物學家聯合開展的機器人顯微鏡應用工作(例如,區分細胞表型)中,我們了解到,匯編可以...

    crossoverJie 評論0 收藏0
  • 【譯】盤點即影響世界的九大創新

    摘要:我們來聊聊可能很快就會影響世界的九大創新人工智能能夠獨立于人類主人而學習操作的人工智能,這看上去就像科幻小說。以色列公司建立了世界最大的海水淡化工廠,每天能生產立方米淡水。 本文轉載自:眾成翻譯譯者:文藺鏈接:http://www.zcfy.cc/article/830原文:https://medium.com/startup-grind/9-innovations-that-coul...

    tinyq 評論0 收藏0
  • 谷歌新模型提升肺癌篩查率:相關研究登上Nature Medicine

    摘要:谷歌的相關研究已發布在上。谷歌的這項研究展示了人工智能在提升肺癌篩查準確率和一致性方面的潛力,這將有助于加速在全球范圍內推廣肺癌篩查。肺癌致死率高,且大部分發現即晚期。早期的低劑量CT篩查可以有效提高存活率,但是僅有少數病患接受了篩查,且低劑量CT篩查仍然存在問題,如較高的假陽性結果。今日,谷歌發布新研究,展示了AI可以診斷肺癌,能夠幫助提升全世界很多病患的存活率,有助于早期肺癌CT篩查在全...

    remcarpediem 評論0 收藏0

發表評論

0條評論

最新活動
閱讀需要支付1元查看
<