💳 Термінова новина! Trustee Plus — найкраще рішення для розрахунку криптою 👉

Дослідники хочуть створити бездротовий пристрій для домашньої діагностики COVID-19 на УЗД-знімках легенів і вже навчили ШІ знаходити патологію. Ось, як це працює

Дослідники натренували глибинні нейронні мережі (DNN) для виявлення особливостей COVID-19 на УЗД-зображеннях легенів. Механізм нагадує процес розпізнавання обличчя в натовпі, а всі бази даних вчені виклали у відкритому доступі.

Залишити коментар
Дослідники хочуть створити бездротовий пристрій для домашньої діагностики COVID-19 на УЗД-знімках легенів і вже навчили ШІ знаходити патологію. Ось, як це працює

Дослідники натренували глибинні нейронні мережі (DNN) для виявлення особливостей COVID-19 на УЗД-зображеннях легенів. Механізм нагадує процес розпізнавання обличчя в натовпі, а всі бази даних вчені виклали у відкритому доступі.

Як працює нейромережа

Вчені розробили та перевірили сім різних стратегій, щоб навчити нейромережу. База, яку брали для навчання, включала реальні дані та змодельовані дані пацієнта, щоб навчити обчислювальний інструмент правильно діагностувати особливості зображення з високою точністю. Змодельовані дані були створені за допомогою програмного забезпечення, яке моделює фізику ультразвуку та поширення акустичних хвиль.

Зображення з середини живих людей та змодельовані приклади (Фото Nature)

«На початку пандемії у нас не було достатньо ультразвукових зображень пацієнтів з COVID-19, щоб розробити та перевірити наші алгоритми, і в результаті наші глибокі нейронні мережі так і не досягли максимальної продуктивності», — сказав перший автор Лінгі Чжао, який розробив програмне забезпечення. під час докторантури в лабораторії Белла, а зараз працює в Novateur Research Solutions, як пише Medical Xpress.

Перший набір даних — це загальнодоступний набір даних, що включає 202 відео та 59 зображень зразків пацієнтів із COVID-19, пацієнтів із бактеріальною пневмонією, (не COVID-19) вірусною пневмонією та здорових осіб контрольної групи. 

Для другого набору даних для досліджень вчені використали зображення, отримані за допомогою конвексного зонда (Clarius C3HD) і програми Clarius Ultrasound (v8.0.1, Clarius Mobile Health Corp.) в американські лікарні Джонса Хопкінса (Балтимор, штат Мериленд, США) з грудня 2021 року по травень 2022 року. 

Змодельовані зразки та приклади in vivo, отримані в лікарні Джонса Хопкінса (Фото Nature)

Дані розділили випадковим чином на кілька частин, щоб зробити трикратну перехресну перевірку.

«Ми розробили цей автоматизований інструмент виявлення, щоб допомогти лікарям у невідкладних ситуаціях із великою кількістю пацієнтів, які потребують швидкої та точної діагностики, як, наприклад, на ранніх стадіях пандемії», — сказав старший автор Муїнату Белл, асоційований співробітник Джон С. Малоун, професор електротехніки та комп’ютерної інженерії, біомедичної інженерії та комп’ютерних наук в Університеті Джона Гопкінса.

«Потенційно ми хочемо мати бездротові пристрої, якими пацієнти також могли б користуватися вдома для моніторингу прогресування COVID-19», — зазначив науковець.

Як проходили тестування

За допомогою MATLAB вчені змоделювали близько 30 000 фантомів легенів на основі  загальнодоступних in vivo ультразвукових зображень. Для підвищення варіабельності змінено положення та ехогенність ознак. Щоб створити кожен фантом, розсіювачі були випадковим чином розподілені по УЗД-зображенню, включаючи шари шкіри, шари м’язів, плевральні лінії та ребра. Амплітуду кожного розсіювача вибирали випадковим чином із попередньо визначеного діапазону для кожної функції.

Архітектура генеративної моделі (DNN) реалізована для сегментації цікавих функцій із прикладами вхідних і вихідних даних (Фото Nature)

«Ідеальним варіантом використання були б переносні ультразвукові пластирі, які відстежують накопичення рідини та повідомляють пацієнтам, коли їм потрібна корекція ліків або коли їм потрібно звернутися до лікаря», — сказала співавтор Тіффані Фонг, доцент кафедри невідкладної медицини Джона Хопкінса.

Щоб визначити найбільш підходящу стратегію для пацієнтів з COVID-19 вчені:

  • Навчили мережі сегментувати функції лінії B за допомогою кількох комбінацій стратегій навчання та тестування.
  • Перевірили продуктивність мережі за допомогою ультразвукових зображень легенів у B-режимі пацієнтів з COVID-19.
  • Порівняли тестові DSC кожної мережі та визначаємо найбільш прийнятний підхід щодо точності прогнозування та кількості необхідних епох навчання.

Цей підхід має наслідки для виявлення COVID-19 і моніторингу пацієнтів із тривалим COVID-синдромом і пост-COVID-синдромом.

Що в підсумку

Дослідники визнали тестування генеративної моделі успішним, використовуючи різні комбінації доступних навчальних наборів даних та надали публічний доступ до змодельованих наборів даних:

  • Набір парних наземних сегментацій істинності та міток сегментації для набору даних in vivo POCUS за посиланням.
  • Набір даних POCUS доступний за посиланням.
  • Змодельований і позначений набір даних in vivo COVID-19 за посиланням
Читайте головні IT-новини країни в нашому Telegram
Читайте головні IT-новини країни в нашому Telegram
По темi
Читайте головні IT-новини країни в нашому Telegram
Дослідники змоделювали завдання яке квантовий компʼютер D-Wave здатен виконати в мільйони років швидше ніж суперкмпʼютери Summit і Frontier
Дослідники змоделювали завдання, яке квантовий компʼютер D-Wave здатен виконати в мільйони років швидше, ніж суперкмпʼютери Summit і Frontier
По темi
Дослідники змоделювали завдання, яке квантовий компʼютер D-Wave здатен виконати в мільйони років швидше, ніж суперкмпʼютери Summit і Frontier
Дослідники OpenAI попередили раду про прорив у сфері ШІ напередодні звільнення Сема Альтмана. Що їх занепокоїло
Дослідники OpenAI попередили раду про прорив у сфері ШІ напередодні звільнення Сема Альтмана. Що їх занепокоїло
По темi
Дослідники OpenAI попередили раду про прорив у сфері ШІ напередодні звільнення Сема Альтмана. Що їх занепокоїло
Японські дослідники зробили «гігантський стрибок» у створенні кіборгів та інтегрували людську тканину в робота. Як це стало можливо?
Японські дослідники зробили «гігантський стрибок» у створенні кіборгів та інтегрували людську тканину в робота. Як це стало можливо?
По темi
Японські дослідники зробили «гігантський стрибок» у створенні кіборгів та інтегрували людську тканину в робота. Як це стало можливо?
«ШІ відкриває нові можливості для зловмисників». Які виклики кібербезпеці в епоху штучного інтелекту легко можна не помітити: гайд від Райфа
«ШІ відкриває нові можливості для зловмисників». Які виклики кібербезпеці в епоху штучного інтелекту легко можна не помітити: гайд від Райфа
По темi
«ШІ відкриває нові можливості для зловмисників». Які виклики кібербезпеці в епоху штучного інтелекту легко можна не помітити: гайд від Райфа
УЧАСТЬ В АЗАРТНИХ ІГРАХ МОЖЕ ВИКЛИКАТИ ІГРОВУ ЗАЛЕЖНІСТЬ. ДОТРИМУЙТЕСЯ ПРАВИЛ (ПРИНЦИПІВ) ВІДПОВІДАЛЬНОЇ ГРИ.
Ліцензія видана ТОВ "СЛОТС Ю.ЕЙ." на провадження діяльності з організації та проведення азартних ігор казино у мережі Інтернет від 15.09.23 (рішення КРАІЛ №245 від 31.08.2023); ТОВ "СЛОТС Ю.ЕЙ." – на провадження діяльності з організації та проведення азартних ігор казино у мережі Інтернет від 26.04.2021 (рішення КРАІЛ №150 від 12.04.2021); ТОВ «СПЕЙСИКС» – на провадження діяльності з організації та проведення азартних ігор казино у мережі Інтернет від 08.02.2021 (рішення КРАІЛ №34 від 02.02.2021); ТОВ «ГЕЙМДЕВ» – на провадження діяльності з організації та проведення азартних ігор казино у мережі Інтернет від 16.02.2021 (рішення № 47 від 10.02.2021).
Читайте також
Рівненські стартапери розробили диво-годинник, що рятує від COVID та інсультів. Як працює MISU, за яким шикуються черги
Рівненські стартапери розробили диво-годинник, що рятує від COVID та інсультів. Як працює MISU, за яким шикуються черги
Рівненські стартапери розробили диво-годинник, що рятує від COVID та інсультів. Як працює MISU, за яким шикуються черги
Слідкувати за станом здоров’я рідних онлайн, не турбуючись, що «швидка» може не встигнути, — можливо. Це довела команда українських стартаперів з Рівного.  Автори проєкту MISU Володимир Шевчук, Олександр Коленчук та Дмитро Круглов — математики, що займаються фармацевтичним бізнесом. Влітку 2021 року вони зрозуміли, що дещо оптимізувавши всім вже звичні розумні годинники, можна отримати пристрій, котрий моніторить стан роботи організму і допомагає попередити збої та вберегти від лікарняного ліжка.
6 коментарів
Opendatabot: надлишкова смертність за 8 місяців 2021 року  склала 46 577 осіб
Opendatabot: надлишкова смертність за 8 місяців 2021 року склала 46 577 осіб
Opendatabot: надлишкова смертність за 8 місяців 2021 року склала 46 577 осіб
Розробник мобільних ігор Gismart у Києві прищепив білорусів Pfizer'ом
Розробник мобільних ігор Gismart у Києві прищепив білорусів Pfizer'ом
Розробник мобільних ігор Gismart у Києві прищепив білорусів Pfizer'ом
Медицина майбутнього наближається: кількість українських інженерів в MedTech зросла на 35%
Медицина майбутнього наближається: кількість українських інженерів в MedTech зросла на 35%
Медицина майбутнього наближається: кількість українських інженерів в MedTech зросла на 35%
1 коментар

Хочете повідомити важливу новину? Пишіть у Telegram-бот

Головні події та корисні посилання в нашому Telegram-каналі

Обговорення
Коментарів поки немає.