Algoritme pembelajaran mandiri menganalisis data pencitraan medis – ScienceDaily

Algoritme pembelajaran mandiri menganalisis data pencitraan medis – ScienceDaily

[ad_1]

Teknik pencitraan memungkinkan tampilan detail di dalam organisme. Tetapi menafsirkan data itu memakan waktu dan membutuhkan banyak pengalaman. Jaringan saraf tiruan membuka kemungkinan-kemungkinan baru: Mereka hanya memerlukan beberapa detik untuk menafsirkan pemindaian seluruh tubuh tikus dan untuk menyegmentasikan serta menggambarkan organ dalam warna, bukan dalam berbagai corak abu-abu. Ini sangat memudahkan analisis.

Seberapa besar livernya? Apakah berubah jika obat diminum? Apakah ginjal meradang? Apakah ada tumor di otak dan apakah metastasis sudah berkembang? Untuk menjawab pertanyaan semacam itu, ahli biologi dan dokter hingga saat ini harus menyaring dan menafsirkan banyak data.

“Analisis proses pencitraan tiga dimensi sangat rumit,” jelas Oliver Schoppe. Bersama dengan tim peneliti interdisipliner, peneliti TUM kini telah mengembangkan algoritme pembelajaran mandiri untuk membantu menganalisis data gambar bioscientific di masa mendatang.

Inti dari perangkat lunak AIMOS – singkatan dari Mouse Organ Segmentation berbasis AI – adalah jaringan saraf tiruan yang, seperti otak manusia, mampu belajar. “Anda dulu harus memberi tahu program komputer apa yang Anda ingin mereka lakukan,” kata Schoppe. “Jaringan saraf tidak memerlukan petunjuk seperti itu:” Cukup melatih mereka dengan menyajikan masalah dan solusi beberapa kali. Secara bertahap, algoritme mulai mengenali pola yang relevan dan mampu menemukan sendiri solusi yang tepat. “

Melatih algoritme belajar mandiri

Dalam proyek AIMOS, algoritme dilatih dengan bantuan gambar tikus. Tujuannya adalah untuk menetapkan titik gambar dari pemindaian seluruh tubuh 3D ke organ tertentu, seperti perut, ginjal, hati, limpa, atau otak. Berdasarkan tugas ini, program kemudian dapat menunjukkan posisi dan bentuk yang tepat.

“Kami cukup beruntung memiliki akses ke beberapa ratus gambar tikus dari proyek penelitian yang berbeda, yang semuanya telah ditafsirkan oleh dua ahli biologi,” kenang Schoppe. Tim juga memiliki akses ke pemindaian 3D mikroskopis fluoresensi dari Institut Teknik Jaringan dan Pengobatan Regeneratif di Helmholtz Zentrum München.

Melalui teknik khusus, para peneliti mampu menghilangkan zat pewarna dari tikus yang sudah meninggal. Benda transparan bisa dicitrakan dengan mikroskop selangkah demi selangkah dan lapis demi lapis. Jarak antar titik ukur hanya enam mikrometer – yang setara dengan ukuran sebuah sel. Ahli biologi juga telah melokalisasi organ dalam kumpulan data ini.

Kecerdasan buatan meningkatkan akurasi

Di TranslaTUM, teknisi informasi menyajikan data ke algoritme baru mereka. Dan ini dipelajari lebih cepat dari yang diharapkan, Schoppe melaporkan: “Kami hanya membutuhkan sekitar sepuluh pemindaian seluruh tubuh sebelum perangkat lunak berhasil menganalisis data gambarnya sendiri – dan dalam hitungan detik. Butuh waktu berjam-jam untuk melakukannya. ini.”

Tim kemudian memeriksa keandalan kecerdasan buatan dengan bantuan 200 pemindaian seluruh tubuh tikus. “Hasilnya menunjukkan bahwa algoritme pembelajaran mandiri tidak hanya lebih cepat dalam menganalisis data gambar biologis daripada manusia, tetapi juga lebih akurat,” kata Profesor Bjoern Menze, kepala grup Pemodelan Biomedis Berbasis Gambar di TranslaTUM di Universitas Teknik Munich .

Perangkat lunak cerdas akan digunakan di masa depan khususnya dalam penelitian dasar: “Gambar tikus sangat penting untuk, misalnya, menyelidiki efek pengobatan baru sebelum diberikan kepada manusia. Menggunakan algoritme pembelajaran mandiri untuk menganalisis data gambar di masa depan akan menghemat banyak waktu di masa depan, “tegas Menze.

Untuk Informasi Lebih lanjut silahkan Kunjungi : Lagu Togel

Author Image
adminProzen