Ии от google сумеет выявить болезни глаз через специальный компьютерный снимок - kupihome.ru

Ии от google сумеет выявить болезни глаз через специальный компьютерный снимок

Искусственный интеллект научили распознавать болезнь Альцгеймера на сканах мозга, сделанных за 6 лет до постановки диагноза

Ученые из Калифорнийского Университета в Сан-Франциско (UCSF) запрограммировали алгоритм машинного обучения на распознавание ранней стадии болезни Альцгеймера на сканах человеческого мозга, сделанных за шесть лет до постановки клинического диагноза. Такая технология дает врачам возможность начать лечение недуга до того, как он разовьется, что может спасти человеку жизнь. Новость об этом размещена на сайте учебного заведения.

Болезнь Альцгеймера — заболевание, при котором нарушаются нейронные связи, отмирают клетки мозга (нейроны), в результате человек начинает испытывать проблемы с памятью, у него возникает старческое слабоумие (деменция).

От этой болезни пока нет лекарств, но в последние годы ученые сообщают о создании многообещающих медикаментов, которые могут помочь остановить прогрессирование недуга.

Чтобы лечение болезни Альцгеймера сработало, необходимо начать курс терапии как можно раньше, практически на самых ранних стадиях. Однако технологий, позволяющих диагностировать развитие заболевания на таких этапах, сегодня медики практически не имеют.

Одна из трудностей борьбы с болезнью Альцгеймера в том, что к тому времени, когда все клинические симптомы у человека проявляются, и мы можем поставить окончательный диагноз, в мозге отмирает слишком много нейронов, что делает болезнь необратимой, — объясняет Дже Хо Сон, доктор медицинских наук из
UCSF, один из авторов исследования

Позитронно-эмиссионная томография, или ПЭТ-сканирование, одно из применений которого — оценка метаболизма глюкозы в головном мозге, является главным медицинским инструментом, помогающим диагностировать болезнь Альцгеймера до того, как она перейдет в позднюю стадию.

Глюкоза — основной источник энергии для клеток мозга, и чем активнее клетка, тем больше глюкозы она использует. По мере того как нейроны начинают отмирать, потребление глюкозы снижается, а через какое-то время клетки и вовсе перестают ее поглощать.

Врачи-радиологи используют сканы мозга, полученные ПЭТ, чтобы попытаться обнаружить болезнь путем поиска снижения уровня глюкозы в мозге, особенно в лобных и теменных его долях. Однако из-за того, что заболевание представляет собой медленно прогрессирующее расстройство, изменения уровня глюкозы практически незаметны и поэтому их трудно оценить невооруженным глазом.

Дже Хо Сон и группа ученых под его руководством, объединили несколько методов нейровизуализации с алгоритмом машинного обучения и применили полученную технологию к сканированию снимков ПЭТ, чтобы попытаться определить развитие болезни Альцгеймера на ранней стадии у пациентов с ухудшением памяти (первый признак болезни).

Чтобы обучить алгоритм, Сон предоставил ему набор данных ПЭТ-сканирования здорового мозга, и мозга больных, которым были поставлены диагнозы болезнь Альцгеймера и легкие когнитивные расстройства. Все снимки были взяты из базы данных Организации по борьбе с болезнью Альцгеймера (ADNI).

Новая технология начала самостоятельно распознавать, какие элементы важны для прогнозирования развития недуга, а какие нет.

После того, как алгоритм был обучен на 1921 ПЭТ-снимках, ученые проверили, насколько эффективно он может спрогнозировать заболевание. Для этой цели ему показали старые снимки пациентов с “медицинским приговором”, сделанные задолго до того как этим людям был поставлен диагноз.

Вначале исследователи продемонстрировали алгоритму 188 изображений, которые пришли из той же базы данных ADNI, но не были показаны ему ранее. Затем предоставили 40 сканов пациентов, обратившихся в Центр памяти и старения UCSF с признаками когнитивных расстройств.

Искусственный интеллект отлично справился с задачей. В первом случае он правильно определил 92% людей, у которых развивалась болезнь Альцгеймера, во втором — 98% больных с когнитивными расстройствами. Самое удивительно, что ИИ сумел разглядеть признаки болезни Альцгеймера на изображениях, полученных за 75,8 месяцев (чуть более 6-ти лет) до постановки диагноза.

По словам Сона, следующим шагом ученых будет тестирование и калибровка алгоритма на более крупных и разнообразных базах данных, предоставленных больницами разных стран мира. Если искусственный интеллект выдержит эти тесты, его можно будет использовать в качестве инструмента для прогнозирования и диагностики болезни Альцгеймера, что позволит больному быстрее получать необходимое лечение.

Нашли ошибку? Пожалуйста, выделите фрагмент текста и нажмите Ctrl+Enter.

Искусственный интеллект научился выявлять болезнь Альцгеймера на 6 лет раньше врачей

Искусственный интеллект может диагностировать болезнь Альцгеймера гораздо раньше врачей. Ученые обучили компьютерную систему выявлять на снимках позитронно-эмиссионной томографии (ПЭТ) первые признаки тяжелого заболевания, трудноразличимые для глаз. Результаты исследования 6 ноября 2018 года опубликовал журнал Radiology.

Для диагностики болезни Альцгеймера команда исследователей из Калифорнийского университета создала самообучающийся ИИ-алгоритм. Чтобы натренировать систему, ученые использовали более 2100 снимков головного мозга свыше 1000 пациентов, которые были сделаны с помощью ПЭТ-сканирования, передает The Sun.[1]

Ученые обучили компьютерную систему выявлять на снимках позитронно-эмиссионной томографии (ПЭТ) первые признаки тяжелого заболевания, трудноразличимые для глаз
Позитронно-эмиссионная томография позволяет оценить метаболическую активность мозга. При болезни Альцгеймера скорость обмена веществ в определённых участках нервной ткани снижается, и искусственный интеллект научился обнаруживать эти едва заметные изменения. 90% снимков послужили для обучения алгоритма, а остальные 10% были задействованы во время тестирования.[2]

Читать еще:  Срок службы микроволновой печи: сколько составляет, как продлить

В ходе финального испытания система сумела в 100% случаях выявить признаки деменции на снимках 40 пациентов, причем отследила их в среднем на шесть лет раньше, чем был поставлен официальный диагноз.

Мы очень довольны работой алгоритма. Он выявил всех пациентов, у кого впоследствии диагностировали болезнь Альцгеймера, — заявил один из авторов исследования доктор Джае Хо Сон (Jae Ho Sohn).

В свою очередь, профессор Ноэль Шарки (Noel Sharkey) из Университета Шеффилда, Великобритания, заявил, что хотя размер выборки и программа тестов были сравнительно небольшими, полученные результаты очень многообещающи и свидетельствуют о целесообразности более масштабного исследования.

По словам специалистов, более ранняя диагностика болезни Альцгеймера позволит замедлить или даже остановить ее развитие.

Facebook в 10 раз ускорила МРТ-сканирование благодаря искусственному интеллекту

В августе 2018 года Facebook анонсировала исследовательский проект, целью которого является увеличение скорости МРТ-сканирования при помощи технологий искусственного интеллекта.

Совместно с Университетом Нью-Йорка была создана ИИ-система, обученная примерно на 3 млн МРТ-снимках сердца, печени и костей, а также на 10 тыс. исследований с вынесенными диагнозами. Facebook в этом проекте отвечает за технологии компьютерного зрения и визуализации.

Facebook анонсировала исследовательский проект, целью которого является увеличение скорости МРТ-сканирования при помощи технологий искусственного интеллекта
По результатам тренировки нейросеть позволила МРТ-аппаратам быстрее сканировать человеческие органы и выдавать результаты благодаря тому, что оборудованию стало достаточно изучить только некоторые участки тела. Благодаря применению ИИ-алгоритма скорость работы медицинских сканеров увеличилась до 10 раз.

Используя ИИ, можно собирать меньше данных и, как следствие, ускорить сканирование, при этом сохранив или даже расширив богатые информацией МРТ-изображения. Задача состоит в том, чтобы обучить искусственные нейронные сети распознавать базовую структуру изображений, чтобы заполнят пробелы, возникающие при ускоренном сканировании, — говорится в блоге Facebook. — Этот метод похож на то, как люди обрабатывают сенсорную информацию. Когда мы познаем мир, мозг часто получает неполную картину, как в случае с размытыми или тускло освещенными предметами, и впоследствии ее достраивает. Нам нужно использовать эти сведения с пользой для медицины.

В Facebook особо подчеркивают, что обучение ИИ-системы происходило с использованием анонимных данных в полном соответствии с нормами приватности HIPAA.[3]

Ранее в 2018 года телеканал CNBC сообщил, что Facebook ведет с больницами переговоры по поводу обмена данными о пациентах, однако проект был закрыт после его огласки.

Алгоритм Google для анализа флюорографии органов грудной клетки

В конце марта 2018 года компания Google продемонстрировала искусственный интеллект для быстрой и эффективной обработки флюорография органов грудной клетки. Разработка была представлена на конференции EmTech Digital в Сан-Франциско.

В Google создали модель глубинного обучения, способная совершенствоваться на основе небольшого числа аннотированных (с помеченными вручную областями, на которых видны отклонения) медицинских снимков и позволяющая одновременно идентифицировать болезнь и выделить ее на изображении.

Google представила искусственный интеллект для анализа флюорографии органов грудной клетки
Для обучения алгоритма использовали ChestX-ray8 — самую крупную открытую базу данных рентгенологических исследований грудной клетки, которую ведет Национальный институт здравоохранения США (U.S. National Institutes of Health). В каталоге представлено более 110 тыс. флюорографических снимков, связанных с 14 видами заболеваний, а также 880 изображений, на которых сертифицированные рентгенологи выделили 984 областей, показывающих отклонения.

Все снимки пропустили через так называемую сверточную нейронную сеть для того, чтобы отсортировать всю информацию на снимках и закодировать данные, такие как тип заболевания, месторасположение аномалии и т. п.

Потом для получения локальной информации изображение делится на множество областей. Благодаря этому доктора могут быстро выявлять недуги и ставить диагнозы даже без обширных знаний в своей области.

Этот алгоритм превосходит современное машинное обучение, используемое для прогнозирования заболеваний, и, что важнее, выдает аналитическую картину вынесенного компьютером решения для того, чтобы помочь рентгенологам лучше интерпретировать результат, — заявила руководитель отдела исследования и разработок облачного искусственного интеллекта и машинного обучения Google Цзя Ли (Jia Li).[4]

Искусственный интеллект превзошел рентгенологов в диагностике пневмонии

В ноябре 2017 года исследователи из Стэнфордского университета представили самообучающийся алгоритм (так называемую нейросеть) CheXNet, который способен ставить диагноз пневмонии по рентгенограммам легких. Результаты своей работы ученые опубликовали в открытом доступе. Полученная программа крайне узкоспециализированная, однако справляется со своей работой лучше профессиональных рентгенологов.

Рентгеновский снимок грудной клетки больного пневмонией
CheXNet обучали на общедоступной базе данных, содержащей более 100 000 рентгенограмм грудной клетки, на которых можно различить 14 патологий. После обучения нейросеть проверили: нескольким рентгенологам предложили провести анализ тестовых рентгеновских снимков, а результаты сопоставили с диагнозами машины. Как оказалось, компьютернаясистема смогла диагностировать пневмонию более точно, чем человек.

Пневмония — опасное и распространенное заболевание, и ее раннее выявление поможет предотвратить множество смертей; только в США от воспаления легких ежегодно погибает около 50 000 человек. Кроме того, пневмония является одной из главных причин детской смертности от инфекционных заболеваний.

Разработчики научили систему помечать разными цветами те отделы легких, где машина «увидела» признаки воспаления легких; чем ярче цвет – тем вероятнее патология. А уже после машинной обработки рентгенограммы просматривает врач, обращая внимание в первую очередь на те области, которые машина пометила как самые «горячие».

Читать еще:  Заливной шланг для стиральной машины: какой лучше, функция аквастоп, замена шланга

Эндрю ЭнДжи (Andrew Ng), соавтор статьи и бывший руководитель группы исследования в области искусственного интеллекта в компании Baidu, полагает, что подобные системы вскоре станут применяться повсеместно. Джеффри Хинтон (Geoffrey Hinton), один из пионеров разработки систем глубинного обучения, считает, что необходимость в обучении новых рентгенологов отпала, а с их функциями вполне может справиться нейросеть. Кроме пневмонии, компьютерные системы также умеют обнаруживать признаки наличия опухолей, нарушения ритма сердца и прочие патологические изменения на рентгеновских снимках, электрокардиограммах и других системах визуализации.[5]

Обзор развития ИИ в радиологии

В начале мая 2017 года издание AuntMinnie.com опубликовало статью, посвященную использованию искусственного интеллекта (ИИ) в радиологии. В публикации содержится вывод о том, что компьютер еще не готов заменить рентгенологов, однако способен радикально повлиять на их деятельность, оптимизировав рабочие процессы, снизив количество обследований и даже оказав помощь в поиске геномных маркеров.

Как сообщил доктор Элиот Сигель (Eliot Siegel) из Университета Мэриленда (University of Maryland), за последние 30 лет опубликованы тысячи работ, посвященных алгоритмам анализа медицинских изображений, однако немногие из них нашли применение в медицинской практике. Те технологии, которые все же были взяты на вооружение, являются скорее эволюционными, а не революционными, отметил он.

Искусственный интеллект способен радикально повлиять на их деятельность, оптимизировав рабочие процессы, снизив количество обследований и даже оказав помощь в поиске геномных маркеров

Маммографические системы обнаружения с компьютерной обработкой данных существуют более 20 лет и по сути являются единственными программами машинного обучения, которые сегодня широко применяются в диагностической визуализации. Около 90% маммографов используют его, однако с огромной долей сомнения и скептицизма, а в некоторых случаях и с насмешкой, — сообщил Сигель.

Однако, по его словам, использование графических процессоров для машинного обучения привело к значительному увеличению вычислительной мощи. Это облегчило реализацию наиболее требовательных к ресурсам вычислительных методов, таких как глубинное обучение, распознавание изображений и сверточные нейронные сети.

Все это имеет большой потенциал для работы с медицинскими снимками, однако требует тщательной маркировки и составления детальных описаний изображений вручную, а также большого количества исследований по визуализации, добавил эксперт.

Доктор Марк Коли (Marc Kohli) из Калифорнийского университета в Сан-Франциско согласен, что искусственный интеллект все еще далек от клинической практики среднестатистического радиолога, несмотря на многочисленные проекты в Кремниевой долине.

Вместе с тем все больше специалистов по лучевой диагностике получает базовые знания о машинном обучении и применении их на практике. Академики надеются, что растущий интерес к искусственному интеллекту увеличит инвестиции в этой области. При этом специалисты по обработке и анализу данных все чаще вступают во многие академические программы, отмечает Коли.

Доктор Брэдли Эриксон (Bradley Erickson) из клиники Майо в Рочестере (штат Миннесота, США) говорит, что к 2017 году наиболее распространенной областью использования машинного обучения является распознавание речи, однако есть еще много направлений для совершенствования технологии.

По мнению доктора Лучиано Преведелло (Luciano Prevedello) из медицинского центра Университета штата Огайо в Векснере, развитие искусственного интеллекта в радиологии протекает быстро, однако эта сфера все еще находится в зачаточном состоянии.

Преведелло ожидает, что ИИ-решения начнут чаще использоваться к 2019 году для оптимизации рабочих процессов. К примеру, в одной из клиник Огайо уже используются «умные» алгоритмы для поиска снимков компьютерной томографии с критическими показаниями. Использование ИИ для постановки диагнозов по медицинским снимкам будет возможно позднее из-за необходимости проведения многочисленных испытаний перед внедрением, считает доктор.

Доктор Раймонд Гейс (Raymond Geis) из Медицинской школы Университета Колорадо считает, что ИИ полезен для поиска закономерностей в данных и прогнозирования поведения на основе предыдущих моделей, а первые коммерческие ИИ-алгоритмы в радиологии не будут анализировать сами изображения. Скорее, они будут задействованы для составления отчетов на основе выводов врачей.

Коммерческие решения могут использоваться, например, в КТ-сканировании для предупреждения врачей об опасных отклонениях, такик как острое внутричерепное кровоизлияние, предполагает Гейс.

Элиот Сигель видит большие перспективы искусственного интеллекта в специализированных областях: определение переломов тел позвонков, обнаружение и составление характеристик узлов в легких, МРТ и ядерный анализ изображений сердца.

Марк Коли затруднился назвать, какие области будут наиболее важными для клинического использования искусственного интеллекта в радиологии, но выразил мнение о том, что успех проектов будет зависеть от многих факторов, в том числе от правильности интеграции и проверок, а также от решений регуляторов.

Приложения, которым не нужны одобрения регулирующих органов, будут развиваться быстрее, поскольку у властей нет отлаженного механизма, позволяющего разработчикам PACSи других подобных систем предлагать ИИ-софт, созданный сторонними разработчиками, из-за жестких требований к написанию кода, документации и тестированию.

Еще одной проблемой, по мнению Зигеля, являются высокие системные требования к компьютерам, на которых выполняются алгоритмы машинного обучения. Решение этой проблемы могли бы стать облачные сервисы, однако многие радиологи не доверяют им и не активно используют их, отметил он.[6]

Читать еще:  Что лучше: индукционная плита или стеклокерамическая

Брэдли Эриксон уверен, что искусственный интеллект, в первую очередь, будет полезен для отображения геномных или диагностических свойств, которые радиологи не видят сегодня.

Мы и другие публикуем исследования, показывающие, что глубинное обучение может предсказать геномные маркеры с высокой точностью по обычным изображениям КТ и МРТ, даже если люди мало или вообще ничего не знают об этих признаках», — рассказал Эриксон. [7]

Испанское ПО с ИИ для распознавания болезни по рентгеновским снимкам

В рамках конгресса Европейского общества радиологов (ECR-2017), который прошел в Вене с 1 по 5 марта, испанский Институт медицинских исследований La Fe (Medical Research Institute La Fe) представил программное обеспечение, использующее искусственный интеллект для первичного обнаружения заболеваний по рентгеновским снимкам. Подробнее здесь.

Компьютерный зрительный синдром: симптомы, лечение, профилактика

Компьютер давно перестал быть редкостью. Однако появление этого девайса в широком доступе привело к тому, что в 1998 году офтальмологи ввели термин «компьютерный зрительный синдром». Сегодня с последствиями заболевания сталкиваются многие молодые люди, которые в силу обстоятельств проводят за ПК большую часть дня.

Что это такое?

Компьютерный зрительный синдром – заболевание, опасность которого многие недооценивают. Основным его осложнением является снижение аккомодации (подвижности) хрусталика. Ученые пока не доказали связи других заболеваний с продолжительной работой за компьютером. Исключением становится только развитие близорукости у людей, предрасположенных к заболеванию.

Экран электронного устройства – самый неподходящий предмет, на который можно смотреть. Причины этому:

• Электронная подсветка труднее воспринимается, чем предмет, который только отражает свет;
• Мерцающее изображение, что связано со спецификой работы техники, повышает необходимость концентрации:
• Соотношение пикселей по отношению друг к другу также повышает давление на глаза во время чтения или других действий;
• Цветонастройки электронного приспособления не всегда совпадают с нужными, что плохо для восприятия;
• Почти зеркальная поверхность дисплея провоцирует создание бликов, которые мешают рассмотреть нужную информацию.

Симптомы компьютерного зрительного синдрома не всегда связаны с глазами. К примеру, считается, что боль в шее, плечах и спине обязательно сопровождает заболевание.

В основном симптомы проявляются только в процессе работы за ПК. Они довольно быстро проходят, если взять перерыв. Кроме того, признаки болезни появляются не в определенные моменты, а рандомно. Это может быть связано с внешними факторами или общим состоянием организма. К сожалению, заболевание довольно плохо изучено, чтобы говорить о конкретных фактах возникновения симптомов.

Для человека характерно проявление почти всех признаков недомогания одновременно:

• Покраснение белков;
• Жжение, зуд в области глаз;
• Боли в области лба и глазниц, во время движения глазами в любом направлении;
• Пересыхание, связанное со снижением скорости мигания;
• Светочувствительность;
• Трудности с фокусировкой при переводе взгляда;
• Помутнение в глазах или появление мушек;
• Повышенное утомление.

Компьютерный зрительный синдром, лечение которого направлено на устранение причин, что способствуют давлению на глаза в процессе работы, развивается у людей любого возраста.

  • Первый шаг для лечения – это правильно оборудованное рабочее место. Стул обязательно должен быть отрегулирован по росту, расстояние до монитора должно составлять около 60 см, при этом уровень глаз должен быть выше линии монитора на 10 см. В случае необходимости постоянной сверки информации на мониторе и на бумаге рекомендуется воспользоваться пюпитром для закрепления документов на одном уровне с монитором. Оборудуйте рабочее место дополнительной лампой, которая не будет направленно непосредственно в экран. Отрегулируйте яркость и контрастность изделия.
  • Также желательно обратиться к врачу для обследования зрения. Очки для компьютера не требуют рецепта, однако если у вас развивает близорукость, возможно, будет лучше воспользоваться очками с диоптриями. Очки для работы за компьютером выбирайте с противобликовым покрытием.

  • По совету доктора приобретите капли для глаз – «искусственные слезы». Так как человек очень мало моргает при работе с гаджетами, глаза пересыхают, и возникает жжение. Данное средство не требует рецепта врача, однако специалист сможет посоветовать наиболее эффективных производителей по своему опыту.

Профилактика

  • Основной профилактикой компьютерного зрительного синдрома является ограничение времени работы за монитором. Установлено, что наиболее оптимальный график – 15 минутный перерыв каждый час и общая работа в сутки не больше 6 часов. Если возможности следовать такому распорядку нет, делайте перерыв каждые 20 минут по 20 секунд. Желательно в эти 20 секунд или сделать зарядку для глаз или сфокусироваться на предмете, удаленном примерно на 5-6 м.

  • Неплохой профилактикой станет и тщательный выбор техники, с которой приходится работать. Выбирайте монитор с диагональю не меньше 19 дюймов (48 см) с максимально возможным разрешением. Настройки яркости, контрастности и цвета должны быть отрегулированы в зависимости от положения компьютера. Каждый раз, меняя место ПК, обращайте внимание на эти показали и регулируйте их в соответствии с освещением.
  • Здоровое питание не является панацеей, однако станет хорошим бонусом в попытках уберечь себя от компьютерного синдрома глаз. Черника и морковь – лишь источники определенных витаминов, поэтому постарайтесь сделать свой рацион разнообразным.

Ссылка на основную публикацию
Adblock
detector