Mesterséges intelligencia a képelemzés szolgálatában

Beszámolók | 2016. december 01. 01:53 | Utolsó módosítás dátuma - 2018. július 19. 15:00 | Forrás: radiologia.hu - Dr. Lánczi Levente

A nap egyik zárószekciója a mesterséges intelligencia radiológiai alkalmazásával foglalkozott Chicagoban.

Mesterséges intelligencia a képelemzés szolgálatában

Ahogyan már portálunk is beszámolt róla, a mesterséges intelligenciától - mint bármilyen újdonságtól - nem rettegni kell, hanem felhasználni céljaink eléréshez. A szekció során betekintést nyerhettünk a mesterséges hálózatok öntanulási folyamatába, melyhez egyrészt hatalmas adatmennyiségre, többszintű adatfeldolgozásra, a rendszerrel kapcsolatos folyamatos visszacsatolásra, a nagyteljesítményű hardverek és szoftverek összehangolt működésére van szükség.

A radiológiai képelmzés folyamata során az alábbi módokon zajlik a “deep learning”: a képek osztályozása (pl. modalitás, anatómiai régió szerint), ROI-k lokalziációja, szegmentációja, a képi adatok szűrése, regisztrációja. A konkrét radiológiai példák alapján pedig betekintést nyerhettünk abba, hogy milyen buktatókkal is kell szembenézn az automatizálási folyamat során: például ha a rendszer tanulási folyamatában egy mellkasröntgenen látható egy clavicula fémes osteosynthesis, akkor a rendszer beavatkozás nékül minden fémes OS-t tartalmazó felvétlet a mellkas osztályba sorolná. Hasonlóan, a képek alapvető mintázata is félrevezetheti az egyszeri “gépi szemlélőt”, így megkerülhetetlen a rendszer “tanítása”. Az orvosi képalkotás során nyert képek ráadásul nagyon eltérő jellegűek és információtartalmúk, mint az “egyéb” képi adatok, a feldolgozandó képi adatokon a pixelek különbözősége korántsem olyan egyértéelmű, mint más képi információkon. Egyértelmű, hogy a deep learning alkalmazható a radiológiai képfeldolgozás során, ahogyan az is, hogy ehhez szükség van a kiváló szakemberekre is - tehát a gépek bizonyosan nem veszik majd el a radiológusok munkáját.


 

További cikkek