ພະຍາດຕາຕໍ້, ລະບົບການພິມ 3D ກວດພະຍາດຕາ

ພະຍາດຕາຕໍ້

 

Kavya Kopparapu, ໄວລຸ້ນ ດໍາລົງຊີວິດຢູ່ໃນ Virginia, ການນໍາໃຊ້ໂທລະສັບສະຫຼາດ, ເຄື່ອງພິມ 3D, ແລະປັນຍາປອມເພື່ອ ພັດທະນາໂຣກຕາຕໍ້. ຫະປະຊາຊາດ ລະບົບການວິນິດໄສແບບພະກະພາ ແລະມີລາຄາຖືກໃນການບົ່ງມະຕິ ໂຣກໂຣກເບົາຫວານໃນໂຣກເບົາຫວານ. ພະຍາດນີ້ແມ່ນພາວະແຊກຊ້ອນຂອງພະຍາດເບົາຫວານທີ່ ທຳ ລາຍເສັ້ນເລືອດ ກ່ຽວກັບ retina ຂອງບຸກຄົນແລະສາມາດນໍາໄປສູ່ການພິການທາງສາຍຕາ.

ນາງ Kopparapu, ມີຄວາມສົນໃຈດ້ານວິທະຍາສາດຕະຫຼອດຊີວິດຂອງນາງແລະຫຼັງຈາກເຂົ້າຮ່ວມກອງປະຊຸມການຂຽນໂປແກຼມທີ່ຈັດໂດຍສູນແມ່ຍິງແລະເຕັກໂນໂລຢີຂໍ້ມູນຂ່າວສານແຫ່ງຊາດ, ນາງໄດ້ເພີ່ມໂປແກຼມເຂົ້າໃນວຽກງານຂອງນາງ.

ພໍ່ຕູ້ຂອງ Kopparapu, ຜູ້ທີ່ອາໃສຢູ່ໃນປະເທດອິນເດຍ, ເລີ່ມຕົ້ນສະແດງອາການ ຂອງພະຍາດໃນ 2013. ມັນມັກຈະບໍ່ສາມາດສັງເກດເຫັນໄດ້, ແລະເຖິງແມ່ນວ່າໃນທີ່ສຸດມັນຖືກກວດຫາແລະປິ່ນປົວ, ວິໄສທັດຂອງລາວຊຸດໂຊມລົງ. ອີງຕາມການ Kopparapu, ຈາກຈໍານວນທັງຫມົດ 415 ລ້ານຄົນທີ່ເປັນໂລກເບົາຫວານ, ໜຶ່ງ ສ່ວນສາມຈະພັດທະນາໂຣກເບົາຫວານ, ແລະເຖິງແມ່ນວ່າການໃຊ້ຢາແລະການຜ່າຕັດສາມາດຢຸດຫລືເຮັດໃຫ້ຕາຂອງທ່ານເສຍຫາຍຖ້າຖືກຈັບຕາມເວລາ, 50% ຈະບໍ່ຖືກກວດຫາໂຣກນີ້, ເຄິ່ງ ໜຶ່ງ ຂອງຄົນເຈັບທີ່ມີຮູບແບບຮຸນແຮງຈະກາຍເປັນຄົນຕາບອດໃນຫ້າປີ.

ການຂາດການບົ່ງມະຕິແມ່ນສິ່ງທ້າທາຍໃຫຍ່ທີ່ສຸດ. ໃນປະເທດອິນເດຍ, ມີໂປແກຼມທີ່ສົ່ງແພດ ໝໍ ໄປຕາມ ໝູ່ ບ້ານແລະອາຄານສະຖານທີ່ຕ່າງໆ, ແຕ່ວ່າມີຄົນເຈັບຫຼາຍຄົນແລະມີພຽງແຕ່ນັກວິຊາການແພດຕາ.

ລາວສົງໄສວ່າມີ ວິທີທີ່ງ່າຍແລະລາຄາຖືກໃນການບົ່ງມະຕິພະຍາດ, ແລະແນວຄວາມຄິດ ສຳ ລັບໂຣກ Eyagnosis ໄດ້ເກີດຂື້ນ, ລະບົບທີ່ສາມາດເຮັດໃຫ້ຂັ້ນຕອນການວິນິດໄສທີ່ຍາວນານແລະລາຄາແພງກາຍເປັນພາບຖ່າຍງ່າຍໆ. Kopparapu ໄດ້ເຮັດວຽກ, ໃຊ້ເວລາຫຼາຍໃນ Google ແລະສົ່ງອີເມວຫາທ່ານ ໝໍ ແລະນັກຄົ້ນຄວ້າ, ກ່ອນທີ່ຈະສ້າງແຜນການ. ນາງໄດ້ຮ່ວມມືກັບນ້ອງຊາຍແລະເພື່ອນຮ່ວມຫ້ອງຮຽນ, ແລະ ການນໍາໃຊ້ເຄືອຂ່າຍ neural ເປັນ convolutional (CNN) ເພື່ອສ້າງຕັ້ງໂຣກ AI ທີ່ບົ່ງມະຕິທາງຫລັງຂອງໂຣກສາຍຕາ. ເຄືອຂ່າຍ Neural ວິເຄາະຊຸດຂໍ້ມູນໃຫຍ່ແລະຊອກຫາຮູບແບບທີ່ຄ້າຍຄືກັນ, ນັບຕັ້ງແຕ່ການອອກແບບຄ້າຍຄືກັບລະບົບສາຍຕາຂອງສະ ໝອງ ຂອງມະນຸດ, CNN ແມ່ນດີເລີດ ສຳ ລັບການຈັດປະເພດ.

ມັນໃຊ້ ResNet-50, ເຊິ່ງເປັນ CNN ທີ່ພັດທະນາໂດຍນັກຄົ້ນຄວ້າ Microsoft, ເພື່ອສ້າງເຄືອຂ່າຍຂອງມັນ, ແລະໄດ້ ນຳ ໃຊ້ ເຄື່ອງສະແກນ Retinal 34.000 ໜ່ວຍ ພົບໃນ ຖານຂໍ້ມູນ EyeGene ຈາກສະຖາບັນສຸຂະພາບແຫ່ງຊາດໃນອາເມລິກາ (NIH) ເປັນຂໍ້ມູນການຮຽນຮູ້ສະນັ້ນ, ນາງແລະທີມງານສາມາດສອນລະບົບ AI ເພື່ອຮັບຮູ້ອາການຂອງພະຍາດໃນຮູບຂອງຕາແລະໃຫ້ການວິນິດໄສເບື້ອງຕົ້ນ. ຮູບພາບຫລາຍໆຢ່າງໃນຖານຂໍ້ມູນໄດ້ຖືກເຜີຍແຜ່ຫລືເຮັດໃຫ້ມົວບໍ່ດີ, ແຕ່ວ່າອີງຕາມ Kopparapu, ລາຍລະອຽດນີ້ໄດ້ຊ່ວຍປັບປຸງລະບົບດັ່ງກ່າວ.

ຄຸນນະພາບຂອງຮູບທີ່ໃຊ້ໃນການຮຽນຮູ້ເຄືອຂ່າຍ neural ແມ່ນຕົວແທນຂອງສະພາບການທີ່ຈະໄດ້ຮັບຈາກການ ນຳ ໃຊ້ສະມາດໂຟນ«

ທີມງານຂອງລາວໄດ້ຝຶກອົບຮົມ ResNet-50 ເຖິງ ກວດພົບໂຣກໂຣກໂຣກໂຣກໂຣກໂຣກໂຣກໂຣກໂຣກໂຣກໂຣກໂຣກໂຣກໂຣກໂຣກໂຣກໂຣກໂຣກໂຣກໂຣກໂຣກນີ້ໄດ້ຢ່າງຖືກຕ້ອງ. ມັນຍັງກວດພົບ microaneurysms ແລະເສັ້ນເລືອດໃນແຕ່ລະຮູບໂດຍບໍ່ ຈຳ ເປັນຕ້ອງສັກສີຍ້ອມສີ fluorescent ເຂົ້າໃນຕາທີ່ບົ່ງມະຕິ.

ລຶະເບິ່ງໃບໄມ້ຜລິຄັ້ງສຸດທ້າຍ, Aditya Jyot ຕາ ໂຮງ ໝໍ ໃນ Mumbai ໄດ້ຕົກລົງທີ່ຈະທົດສອບແອັບ Eye Eyeagnosis, ແລະໃນເດືອນພະຈິກ, ມັນໄດ້ສົ່ງຮູບແບບພິມ 3D ຄັ້ງ ທຳ ອິດໄປໂຮງ ໝໍ, ແລະລະບົບດັ່ງກ່າວມີແລ້ວ hເຮັດການບົ່ງມະຕິທີ່ຖືກຕ້ອງ ສຳ ລັບຄົນເຈັບຫ້າຄົນ.

ພະຍາດຕາຕໍ້ມີວິທີທາງໄກທີ່ຈະວິນິດໄສ ຈຳ ນວນມະຫາສານໃນການພິສູດວ່າມັນເປັນລະບົບທີ່ ໜ້າ ເຊື່ອຖືໄດ້. ຂະບວນການກວດສອບຄວາມຖືກຕ້ອງທີ່ທຸກໆໂຄງການທີ່ກ່ຽວຂ້ອງກັບຢາຕ້ອງປະຕິບັດຕາມແມ່ນເຄັ່ງຄັດຫຼາຍແລະແນ່ນອນມັນຈະເປັນເລື່ອງຍາກທີ່ທ່ານຈະໄດ້ຮັບບໍລິສັດໃຫຍ່ທີ່ຕ້ອງການຢາກຊ່ວຍທ່ານ. ແຕ່ຄວາມຫຍຸ້ງຍາກທັງ ໝົດ ນີ້ບໍ່ໄດ້ກີດຂວາງຄວາມ ສຳ ເລັດອັນຍິ່ງໃຫຍ່ຂອງໄວລຸ້ນຄົນນີ້.


ເນື້ອໃນຂອງບົດຂຽນຍຶດ ໝັ້ນ ຫລັກການຂອງພວກເຮົາ ຈັນຍາບັນຂອງບັນນາທິການ. ເພື່ອລາຍງານການກົດຜິດພາດ ທີ່ນີ້.

ເປັນຄົນທໍາອິດທີ່ຈະໃຫ້ຄໍາເຫັນ

ອອກ ຄຳ ເຫັນຂອງທ່ານ

ທີ່ຢູ່ອີເມວຂອງທ່ານຈະບໍ່ໄດ້ຮັບການຈັດພີມມາ. ທົ່ງນາທີ່ກໍານົດໄວ້ແມ່ນຫມາຍດ້ວຍ *

*

*

  1. ຮັບຜິດຊອບຕໍ່ຂໍ້ມູນ: Miguel ÁngelGatón
  2. ຈຸດປະສົງຂອງຂໍ້ມູນ: ຄວບຄຸມ SPAM, ການຈັດການ ຄຳ ເຫັນ.
  3. ກົດ ໝາຍ: ການຍິນຍອມຂອງທ່ານ
  4. ການສື່ສານຂໍ້ມູນ: ຂໍ້ມູນຈະບໍ່ຖືກສື່ສານກັບພາກສ່ວນທີສາມຍົກເວັ້ນໂດຍພັນທະທາງກົດ ໝາຍ.
  5. ການເກັບຂໍ້ມູນ: ຖານຂໍ້ມູນທີ່ຈັດໂດຍ Occentus Networks (EU)
  6. ສິດ: ໃນທຸກເວລາທີ່ທ່ານສາມາດ ຈຳ ກັດ, ກູ້ຄືນແລະລຶບຂໍ້ມູນຂອງທ່ານ.