自学习算法分析医学影像数据

看看皮肤下面
借助人工智能,AIMOS软件能够在三维灰度图像上识别骨骼和器官,并对其进行分割,这使得后续评估变得相当容易。资料来源:Astrid Eckert / TUM

成像技术使我们能够对生物体内部进行详细的观察。但是解释这些数据是非常耗时的,而且需要大量的经验。人工神经网络开辟了新的可能性:它们只需要几秒钟就能解释对小鼠的全身扫描,并以不同的颜色分割和描绘器官,而不是用不同的灰色深浅。这大大方便了分析。

肝脏有多大?服用药物会改变吗?肾脏发炎了吗?大脑中是否有肿瘤,是否已经发生转移?为了回答这些问题,迄今为止,生物科学家和医生必须对大量数据进行筛选和解释。

“三维成像过程的分析非常复杂,”奥利弗·肖普解释说。与一个跨学科的研究团队一起,这位TUM的研究人员现在已经开发出了未来帮助分析生物科学图像数据的自学习算法。

在Aimos软件的核心,缩写代表基于AI的鼠标器官分段 - 是,像,都有学习的能力。Schoppe说:“过去,你必须告诉计算机程序你想让它们做什么。神经网络不需要这样的指令:“通过多次提出一个问题和一个解决方案来训练它们就足够了。”渐渐地,算法开始识别相关模式,并能够自己找到正确的解决方案。”

培训学习算法

在AIMOS项目中,算法是在图像的帮助下训练的。目的是将图像点从三维全身扫描分配给特定器官,例如胃,肾脏,肝脏,脾脏或脑。基于此分配,程序可以显示精确的位置和形状。

“我们很幸运地从一个不同的研究项目中获得了几百张老鼠的图像,所有这些都已经被两位生物学家解释过了,”Schoppe回忆道。该团队还获得了来自赫姆霍尔兹中心组织工程和再生医学研究所的荧光显微镜三维扫描München。

通过一种特殊的技术,研究人员能够从已经死亡的老鼠身上完全去除染料。透明物体可以用显微镜一步一步、一层一层地成像。测量点之间的距离只有6微米,这相当于一个电池的大小。生物学家也在这些数据集中对器官进行了定位。

人工智能提高准确度

在翻译会上,信息技术人员将数据展示给他们的新算法。而且这些学习速度比预期的要快,Schoppe报告说:“我们只需要大约10次全身扫描,软件就能成功地独立分析图像数据,而且是在几秒钟内。”这需要一个人几个小时的时间。”

然后,研究小组在对老鼠进行200次全身扫描的帮助下,检查了人工智能的可靠性。慕尼黑工业大学TranslaTUM基于图像的生物医学建模小组负责人Bjoern Menze教授总结道:“研究结果表明,自学习算法不仅在分析生物图像数据方面比人类更快,而且更准确。”

这种智能软件将在未来使用,尤其是在基础研究中:“老鼠的图像对于研究新药物在给人服用前的效果至关重要。”在未来使用自学习算法分析图像数据将节省大量的时间,”Menze强调。


进一步探索

研究人员针对大量不同的成像数据集提出了自学习算法

更多信息:Oliver Schoppe等人,深度学习在全身小鼠扫描中的多器官分割,自然通讯(2020)。DOI: 10.1038 / s41467 - 020 - 19449 - 7
期刊信息: 自然通讯

引用:自学习算法分析2021年1月25日从//www.pyrotek-europe.com/news/2020-12-self-learning-algorithms-medical-imaging.html检索到的医学影像数据(2020年12月28日)
本文件受版权保护。除以私人学习或研究为目的的公平交易外,未经书面许可不得转载任何部分。内容仅供参考之用。
94股票

反馈给编辑

用户评论