联系宏源
  • 电话:0373-3878302(吕Sir)
  • 传真:0373-3878301
  • 手机:15137380542
  • 客服QQ:1092327062
  • 邮箱:1092327062@qq.com
  • 地址:新乡市陈堡工业园
  • 点击这里给我发消息 点击这里给我发消息
当前位置: > 皇家娱乐城 >

[ ar ]谷歌的ai + ar插件可以在显微镜下勾勒出肿瘤的轮廓,全世

大数据摘要 编者:龙慕雪、江保商、魏自民 每个人都听说过增强现实、虚拟现实,电影《头号玩家》也展示了虚拟现实游戏在未来的巨大潜力。 但是如果ar与机器学习结合起来呢? 今天,谷歌研究团队在ai + ar +医疗集成领域又迈出了一步:他们在普通光学显微镜上安装了ar组件。 其工作原理是利用机器学习方法对显微镜视场下的图像进行实时分析,并实时输出模型结果,利用ar分量在原始图像上绘制出潜在肿瘤的边缘。 换句话说,当医生看显微镜时,他不仅看到了细胞组织,而且还看到了机器学习建模的结果:一个“癌症轮廓”。 最令人兴奋的是,该模块的成本非常低,可以直接安装到普通光学显微镜上,从而使世界各地的医生和病理学家能够深入学习。 单击以查看ar显微镜简介视频 深入研究在眼科、皮肤科、放射学和病理学中的应用,大大提高了医疗护理的准确性和可用性,给世界各地的患者带来了福音。 例如,最近Google的一项研究表明卷积神经网络在检测乳腺癌转移方面具有与专业病理学家相同的准确性。 然而,使用复合光显微镜直接检测患病组织的存在与否仍然是病理学家诊断疾病的主要手段。 因此,深入学习在病理学中广泛应用的一个关键障碍是显微结构的数字表示。 4月17日,在美国癌症研究协会年会上,谷歌科学家发表了一篇名为“增强现实显微镜”的论文,描述了增强现实显微镜( arm )平台。 本文可通过在“大数据摘要公共数字背景”对话框中回复显微镜下载。 arm增强现实显微镜平台由一种改进的光学显微镜组成,支持实时图像分析,可以直接呈现机器学习算法的结果。 重要的是,Google的arm平台组件可以以低成本和易用性直接加载到医院和诊所的现有光学显微镜中。 有了现代计算组件和深入的学习模型,例如那些建立在tencor flow上的模型,人们将能够在这个平台上运行大量的预训练模型。 与常规显微镜类似,用户通过目镜观察样品,机器学习算法将其实时输出投射到显微镜的光路中。 该数字投影叠加在样本的原始图像上,以帮助观察者定位或量化感兴趣的特征。 重要的是,计算和视觉反馈更新是快速的-当前,模型以大约每秒10帧的速度运行,因此当用户在显微镜载玻片上移动或改变放大率时,可以无缝地更新模型输出。 左:手臂示意图。 数码相机捕获与用户相同的视场( FOV ),并将图像传输到能够运行机器学习模型的实时推断的附加计算单元。 结果反馈到与目镜齐平的定制ar显示器,并将模型输出投影到载玻片的平面上。 右:样机,经典型临床级光学显微镜改装。 arm可以提供各种视觉反馈,包括文本、箭头、轮廓、热图或动画,并且可以运行各种类型的机器学习算法,所述机器学习算法被设计成解决不同的问题,例如对象检测、量化或分类。 为了证明arm的潜在用途,Google在它上面运行了两种不同的癌症检测算法:一种用于检测淋巴结标本中的乳腺癌转移,另一种用于检测前列腺切除标本中的前列腺癌。 这些模型可以放大4 - 40倍运行。 下图中的绿色轮廓是检测到的肿瘤区域,这是模型输出的结果。 这些轮廓有助于引起病理学家对感兴趣区域的注意,而不会模糊潜在肿瘤细胞的外观。 臂镜的示例视图: 4x、10x、20x和40x显微镜下的淋巴结转移模型(绿色轮廓区域是由模型识别的肿瘤区域) 虽然这两种癌症模型最初都是在扫描仪的图像上训练的,而且扫描仪的光学配置也有很大的不同,但是这两种模型在手臂上的表现非常好,无需额外的再训练。 例如,淋巴结转移模型的曲线下面积( AUC )为0. 98,而当在手臂上跑步时,视野中前列腺癌模型的癌症检测( FOV )的AUC为0. 96,性能仅略低于WSI。 这些模型的性能可以通过直接从arm本身获取的数字图像中进行训练来进一步提高。 Google认为,增强现实显微镜有可能对全球健康产生重大影响,并广泛用于保健、生命科学研究和材料科学等领域,特别是用于诊断发展中国家的结核病和疟疾等传染病。 此外,即使在即将采用数字病理工作流的医院中,arm也可以与数字工作流结合使用,以处理扫描仪需要快速周转或不能很好地检测问题的情况(例如.g.细胞学、荧光成像或外科手术的冷冻部分)。 原始链接: 研究. 谷歌博客. com / 2018 / 04 /增强现实显微镜. 超文本标记语言 “当今的机器学习理念” 有一个很好的定义
返回顶部
Copyright 2013 皇家娱乐城 All Rights Reserved