返回顶部
今日    | 手机版 | 资讯 | 产品 | 企业 | 热点 | 商道 | 原料 |
返回首页
返回首页
home 您现在的位置: 首页 >配件与装备>原料动态 > 详细信息
新的人工神经网络设计可以区分健康皮肤和患病皮肤
2021年04月15日    阅读量:847     新闻来源:中国机械网 okmao.com    |  投稿

休斯敦大学生物医学工程系的创始主席正在报告一种新的深度神经网络体系结构,该体系结构可以对系统性硬化症(SSc)进行早期诊断,SSc是一种罕见的自身免疫性疾病,以硬化或纤维状的皮肤和内部器官为标志。使用标准便携式计算机(2.5 GHz Intel Core i7)实现的拟议网络可以立即区分健康皮肤的图像和系统性硬化症的皮肤。


新的人工神经网络设计可以区分健康皮肤和患病皮肤 中国机械网,okmao.com


“我们的初步研究旨在证明所提出的网络体系结构的功效,在SSc的表征方面具有希望,”生物医学工程学教授John S. Dunn Endow的Metin Akay报道中国机械网okmao.com。该研究成果发表在《IEEE医学与生物学工程学开放期刊》上。


“我们认为,所提议的网络架构可以在临床环境中轻松实现,从而为SSc提供简单,廉价且准确的筛选工具。”


对于SSc患者,早期诊断至关重要,但往往难以捉摸。几项研究表明,在疾病的早期阶段,器官受累的发生可能比预期的要早得多,但是早期诊断和确定疾病进展的程度对医生(甚至在专家中心)也构成了严峻的挑战,导致治疗和管理的延迟。


在人工智能中,深度学习将算法组织到可以做出自己的智能决策的层(人工神经网络)中。为了加快学习过程,新网络使用MobileNetV2(移动视觉应用程序)的参数进行了训练,该参数已在ImageNet数据集上预先训练了1.4M图像。


Akay说:“通过扫描图像,网络从现有图像中学习并确定哪个新图像正常或处于疾病的早期或晚期。”


在一些深度学习网络中,卷积神经网络(CNN)最常用于工程,医学和生物学,但是由于可用的训练集和网络的规模,它们在生物医学应用中的成功受到限制。


为了克服这些困难,Akay和其合作伙伴Yasemin Akay将UNet(一种经过改进的CNN架构)与新层相结合,并开发了一个移动培训模块。结果表明,提出的深度学习架构在SSc图像分类方面优于CNN。


UH生物医学教学副教授Yasmin Akay说:“经过微调后,我们的结果表明,拟议的网络在训练图像集上的准确性达到100%,在验证图像集上达到96.8%的准确性,在测试图像集上达到95.2%的准确性。”工程。


培训时间少于五个小时。


该论文由休斯敦大学的杜勇,谢丽尔·谢尔森,陈婷和钱德拉·莫汉共同撰写,与梅丁·阿凯(Metin Akay)和亚瑟敏·阿凯(Yasemin Akay)一起发表。德克萨斯大学健康科学中心(UT Health)的Mingming Wu和Shervin Assassi。


标签:行业资讯原料动态今日头条人工智能市场评论机器人配件与装备系统及软件
免责声明: 本文仅代表作者本人观点,与本网无关。本网对文中陈述、观点判断保持中立,不对所包含内容的准确性、可靠性或完整性提供任何明示或暗示的保证。请读者仅作参考,并请自行承担全部责任。本网转载自其它媒体的信息,转载目的在于传递更多信息,并不代表本网赞同其观点和对其真实性负责。如因作品内容、版权和其它问题需要同本网联系的,请在一周内进行,以便我们及时处理。客服邮箱:service@cnso360.com | 客服QQ:23341571

全站地图

深圳网络警察报警平台 深圳网络警
察报警平台

公共信息安全网络监察 公共信息安
全网络监察

经营性网站备案信息 经营性网站
备案信息

中国互联网举报中心 中国互联网
举报中心

中国文明网传播文明 中国文明网
传播文明

深圳市市场监督管理局企业主体身份公示 工商网监
电子标识