Priljubljene Objave
Orodje AI za odkrivanje značilnosti Alzheimerjeve bolezni
Študija, objavljena v reviji Nature Communications, je dokaz koncepta pristopa strojnega učenja k razlikovanju kritičnih označevalcev nevrodegenerativne bolezni.
Amiloidni plaki so grudice beljakovinskih fragmentov v možganih ljudi z Alzheimerjevo boleznijo, ki uničujejo povezave živčnih celic, so povedali raziskovalci s kalifornijske univerze v Davisu v ZDA. (Fotografija Thinkstock Images) Raziskovalci so našli način, kako računalnik naučiti natančno zaznati enega od znakov Alzheimerjeve bolezni v človeškem možganskem tkivu z uporabo umetne inteligence (AI).
Študija, objavljena v reviji Nature Communications , je dokaz koncepta za pristop strojnega učenja k razlikovanju kritičnih označevalcev nevrodegenerativne bolezni.
Amiloidni plaki so grudice beljakovinskih fragmentov v možganih ljudi z Alzheimerjevo boleznijo, ki uničujejo povezave živčnih celic, so dejali raziskovalci s kalifornijske univerze v Davisu (UC Davis) v ZDA.
Podobno kot Facebook prepozna obraze na podlagi posnetih slik, lahko orodje za strojno učenje preveri, ali ima vzorec možganskega tkiva eno ali drugo vrsto amiloidne plošče, in to zelo hitro.
Ugotovitve kažejo, da lahko strojno učenje poveča strokovno znanje in analizo strokovnega nevropatologa.
Orodje jim omogoča, da analizirajo tisočkrat več podatkov in postavljajo nova vprašanja, ki ne bi bila mogoča z omejenimi zmogljivostmi obdelave podatkov celo najbolj usposobljenih človeških strokovnjakov.
Še vedno potrebujemo patologa, je povedala Brittany N Dugger, docentka na UC Davis in vodilna avtorica študije.
To je orodje, podobno kot tipkovnica za pisanje. Ker so tipkovnice pomagale pri pisanju delovnih tokov, lahko digitalna patologija v povezavi s strojnim učenjem pomaga pri nevropatoloških potekih, je dejal Dugger.
Sodelovala je z Michaelom J Keizerjem, docentom na Kalifornijski univerzi v San Franciscu (UCSF), da bi ugotovila, ali bi lahko računalnik naučili avtomatizirati mukotrpen proces identifikacije in analize drobnih amiloidnih plošč različnih vrst v velikih rezinah obduciranih ljudi možgansko tkivo.
Keizer in njegova ekipa sta zasnovala konvolucijsko nevronsko omrežje (CNN), računalniški program, zasnovan za prepoznavanje vzorcev na podlagi tisočih primerov, označenih s človekom.
Ekipa je razvila metodo, ki ji je omogočila hitro označevanje ali označevanje več deset tisoč slik iz zbirke pol milijona podob od blizu 43 tkiva zdravih in obolelih možganov.
Tako kot računalniška storitev za zmenke, ki uporabnikom omogoča, da s prstom povlečejo v levo ali desno, da označijo fotografijo nekoga kot vroče ali ne, so razvili spletno platformo, ki je Duggerju omogočila, da gleda naenkrat v močno povečane regije potencialnih plošč in hitro označi kaj je tam videla.
To digitalno patološko orodje - ki so ga raziskovalci imenovali blob ali ne - je Duggerju omogočilo, da komentira več kot 70.000 blobov ali kandidatov za plošče, s hitrostjo približno 2000 slik na uro.
Ekipa UCSF je uporabila to bazo podatkov o več deset tisoč označenih vzorčnih slikah za usposabljanje svojega algoritma strojnega učenja CNN za prepoznavanje različnih vrst možganskih sprememb pri Alzheimerjevi bolezni.
rjavi pajek s črnimi nogami
To vključuje razlikovanje med tako imenovanimi jedrnimi in razpršenimi plaki ter ugotavljanje nepravilnosti v krvnih žilah.
Raziskovalci so pokazali, da bi njihov algoritem lahko obdelal celotno diapozitiv celotne možgane z natančnostjo 98,7 odstotka, hitrost pa je omejena le s številom računalniških procesorjev, ki so jih uporabili.