<kbd id="y4dh1pxu"></kbd><address id="f9g9sbud"><style id="914j59wg"></style></address><button id="extnr5c6"></button>

          跳到主要内容

          体育投注(RPI)

          对于低剂量CT成像机器学习方法产生优异的结果

          2019年6月10日

          对于低剂量CT成像机器学习方法产生优异的结果

          调查结果作出强烈的情况下利用人工智能的力量在CT成像

          特洛伊,纽约-machine学习必须大大推进医疗成像,计算机化断层摄影术特别(CT)扫描,通过减少辐射暴露和改进的图像质量的潜力。

          这些新的研究成果刚刚发表于 自然智能机 由体育投注和放射科的工程师在美国马萨诸塞州总医院和哈佛医学院。

          根据研究小组的成果发表在这高影响期刊 做一个 强烈的情况下利用人工智能的力量改善低剂量CT扫描。

          “Radiation dose has been a significant issue for patients undergoing CT scans. Our machine learning technique is superior, or, at the very least, comparable, to the iterative techniques used in this study for enabling low-radiation dose CT,” said Ge Wang, the Clark & Crossan Endowed Chair Professor of biomedical engineering at Rensselaer, and a corresponding author on this paper. “It’s a high-level conclusion that carries a powerful message. It’s time for machine learning to rapidly take off and, hopefully, take over.”

          低剂量CT成像技术已经在过去的几年中一些努力减轻顾虑关于患者暴露于广泛使用的CT扫描相关的X射线辐射在显著的焦点。然而,降低辐射可以降低的图像质量。

          要解决这个问题,全球工程师已经设计来帮助筛选,并从CT图像去除干扰迭代重建技术。该问题,王说,这些算法有时是有用的信息删除或虚假地改变图像。

          该团队着手使用机器学习框架,以解决长期存在的挑战ESTA。具体来说,他们建立了深厚的神经网络和专用比较了它们以最好的最好的结果是什么的三大商业CT扫描仪产生可以用迭代重建技术。

          这项工作是密切配合医生进行。 mannudeep卡尔拉,马萨诸塞州总医院和哈佛医学院放射学教授,谁也是在纸上的通讯作者。

          是的研究人员希望确定如何使用相比于选择有代表性的迭代算法其深厚的学习方法的临床表现目前正在。

          来自马萨诸塞州总医院和哈佛医学院分摊所有的CT图像的几个放射科医生。由伦斯勒团队开发的深度学习算法执行以及,或更好,在绝大多数情况下那些当前迭代技术,王说。

          研究人员发现,他们的深度学习方法要快得多而且,放射科医生,并允许微调图像根据临床需要,博士。卡尔拉说。

          这些积极的结果分别实现不访问原始的或原始,从CT扫描仪中的所有数据。王岐山指出,原来如果数据提供CT,以更专业的深度学习算法更好的成绩,应该。

          “这在循环放射科医生,”王说。 “换句话说,我们这就意味着,可以在深学习框架集成在一起的机器智能与人类智能,促进临床的翻译。”

          他说,这些结果证实了深刻的学习,可以帮助生产更安全,更准确的CT图像,同时也迅速跑比迭代算法等等。

          “我们很高兴能展现社区,机器学习方法比传统潜在的更好的方法,”王说。 “它发出了科学界的强烈信号。我们应该去学习机“。

          王的研究小组ESTA的研究是一致其中显著的进步是由教师在生物医学成像中心在伦斯勒的生物技术中心和跨学科研究(CBIS)制成。

          “王教授的工作是如何进展的人工智能和机器和深度学习,可以通过解决困难问题,在这种情况下帮助提供使用较低的辐射剂量高品质的CT图像改善提高生物医学的工具和实践一个很好的例子。从团队合作,这些变革的发展将带来更多的个性化医疗和要求,“说迪帕克Vashishth,CBIS主任。

          洪明山,在伦斯勒的博士后研究员,是论文的第一作者。乌韦·克鲁格,在伦斯勒在生物医学工程实践的教授,是有助的,当它来到ESTA项目统计分析。来自马萨诸塞州总医院在波士顿和Ramathibodi医院放射科曼谷都在这项研究的合着者存在。这项工作是由从生物医学成像和生物工程研究所在美国国立卫生研究院的资助部分支持。

          联系

          里夫汉密尔顿
          媒体关系及传播总监

          (518)833-4277
          hamilr5@rpi.edu

          一般查询: newsmedia@rpi.edu

          关于体育投注

          成立于1824年,体育投注是美国第一次技术的研究型大学。伦斯勒包括五所学校,32个研究中心,145多个学术课程,并取得了超过7900名学生和10多万生活的校友动态社区。体育投注的教师和校友包括超过145组国家科学院的成员,成名的全国发明家名人堂的六位成员,技术获奖六项国家勋章,科学优胜者五个国家科学奖章,并在物理学诺贝尔奖得主。有近200年的经验,推进科技知识,伦斯勒仍集中于解决与创造力和合作精神的全球性挑战。

              <kbd id="26ages55"></kbd><address id="wj3gbbib"><style id="ji7sd1s3"></style></address><button id="q6mhdl13"></button>