एयग्नोसिस, थ्रीडी प्रिंटेड सिस्टम नेत्र रोगांचे निदान करते

इग्नोसिस

काव्या कोपरापु, किशोर व्हर्जिनियामध्ये राहून, स्मार्टफोन, 3 डी प्रिंटर आणि यासाठी कृत्रिम बुद्धिमत्ता वापरला eyeagnosis विकसित. स पोर्टेबल डायग्नोस्टिक सिस्टम आणि निदान स्वस्त मधुमेह रेटिनोपैथी. हा रोग मधुमेहाची गुंतागुंत आहे रक्तवाहिन्या नुकसान एखाद्या व्यक्तीच्या डोळयातील पडदा वर आणि दृष्टीदोष होऊ शकते.

कोप्परापु यांना आयुष्यभर विज्ञानाची आवड होती आणि नॅशनल सेंटर फॉर वुमन अँड इन्फॉरमेशन टेक्नॉलॉजीत आयोजित प्रोग्रामिंग कार्यशाळेत भाग घेतल्यानंतर तिने आपल्या छंदात प्रोग्रामिंगची भर घातली आहे.

कोपपरपुचे आजोबा, जो भारतात राहतो, लक्षणे दर्शविणे सुरू केले मध्ये रोग 2013. हे बर्‍याचदा दुर्लक्ष केले जाऊ शकते, आणि शेवटी त्याचे निदान आणि उपचार केले गेले तरीही, त्याची दृष्टी खालावली. कोपरपूच्या मते, एकूण पैकी मधुमेह ग्रस्त 415 दशलक्ष लोक, एक तृतीयांश मधुमेह रेटिनोपैथी विकसित करेल, आणि वेळोवेळी पकडल्यास औषधोपचार आणि शस्त्रक्रिया थांबू शकतात किंवा डोळ्यांची हानी उलटवू शकतात 50% निदान होणार नाहीपाच वर्षात गंभीर स्वरुपाचे निम्मे रुग्ण आंधळे होतील.

Diagnosis निदानाचा अभाव हे सर्वात मोठे आव्हान आहे. भारतात, असे कार्यक्रम आहेत जे खेड्यांमध्ये आणि झोपडपट्ट्यांमध्ये डॉक्टर पाठवतात, परंतु बरेच रुग्ण आणि केवळ नेत्रतज्ज्ञ आहेत.

त्याला आश्चर्य वाटले की तिथे आहे का? रोगाचे निदान करण्याचा सोपा आणि स्वस्त मार्ग, आणि इयग्नोसिसची कल्पना उद्भवली, ही एक लांब आणि महाग निदानात्मक प्रक्रिया सोप्या फोटो सत्रामध्ये बदलू शकते. योजना तयार करण्यापूर्वी कोपपरपु काम करू लागले, गुगलवर बराच वेळ घालवला आणि डॉक्टर आणि संशोधकांना ईमेल केले. तिने तिच्या भावासह आणि वर्गमित्रांसह एकत्र केले आणि कॉन्व्होल्यूशनल न्यूरल नेटवर्क (सीएनएन) वापरले एआयग्नोसिसच्या मागे डायग्नोस्टिक एआय स्थापित करण्यासाठी. मज्जासंस्था नेटवर्क मोठ्या डेटा सेटचे विश्लेषण करा आणि तत्सम नमुने पहा, डिझाइन मानवी मेंदूच्या दृश्य प्रणालीसारखेच आहे, वर्गीकरणासाठी सीएनएन उत्कृष्ट आहेत.

मायक्रोसॉफ्टच्या संशोधकांनी विकसित केलेले सीएनएन 'रिझनेट -50' हे नेटवर्क तयार करण्यासाठी त्याने वापरले 34.000 रेटिना स्कॅनर मध्ये आढळले डेटाबेस आयजेन अमेरिकेच्या नॅशनल इंस्टिट्यूट ऑफ हेल्थ (एनआयएच) कडून शिकण्यासाठी डेटा म्हणून, म्हणून ती आणि तिची टीम एआय सिस्टीमला डोळ्याच्या फोटोंमध्ये रोगाची लक्षणे ओळखण्यास आणि प्राथमिक निदान करण्यास शिकवू शकले. डेटाबेसमधील बर्‍याच प्रतिमा असमाधानकारकपणे अस्पष्ट किंवा अस्पष्ट झाल्या होत्या, परंतु कोपपरपुच्या मते, या तपशीलांमुळे प्रणाली सुधारण्यास मदत झाली आहे.

The न्यूरल नेटवर्क शिकण्यासाठी वापरल्या जाणार्‍या प्रतिमांची गुणवत्ता स्मार्टफोनच्या वापरासह प्राप्त होणार्‍या परिस्थितीचे अतिशय प्रतिनिधीत्व आहे «

त्याच्या टीमने रेसनेट -50 ते प्रशिक्षण दिले मधुमेहाच्या रेटिनोपैथीला वास्तविक पॅथॉलॉजिस्ट म्हणून अचूकपणे शोधा. हे निदान केलेल्या डोळ्यामध्ये फ्लोरोसेंट डाई इंजेक्शन न लावता प्रत्येक प्रतिमेत मायक्रोएनुरिजम आणि रक्तवाहिन्यांचा शोध घेते.

शेवटचे पडणे, आदित्य ज्योत नेत्र मुंबईतील रूग्णालयाने इग्नोसिस अॅपची चाचणी घेण्यास सहमती दर्शविली, आणि नोव्हेंबरमध्ये, त्याने रुग्णालयात प्रथम थ्रीडी प्रिंट केलेला नमुना पाठविला आणि सिस्टमने आधीच एचपाच रूग्णांसाठी अचूक निदान केले.

एयग्नोसिसला जाण्यासाठी अजून बराच मार्ग आहे ज्यामध्ये हे सिद्ध केले जाते की ती एक विश्वासार्ह प्रणाली आहे. वैद्यक संबंधित प्रत्येक प्रकल्प अनुसरण करणे आवश्यक आहे की प्रमाणीकरण प्रक्रिया खूप कठोर आहेत आणि एक मोठी कंपनी आपल्याला मदत करू इच्छित मिळविणे आपल्यासाठी अवघड आहे. परंतु या सर्व अडचणी या किशोरवयीन मुलाच्या महान कृत्यापासून विचलित होत नाहीत.


टिप्पणी करणारे सर्वप्रथम व्हा

आपली टिप्पणी द्या

आपला ई-मेल पत्ता प्रकाशित केला जाणार नाही. आवश्यक फील्ड चिन्हांकित केले आहेत *

*

*

  1. डेटा जबाबदार: मिगुएल Áन्गल गॅटन
  2. डेटाचा उद्देशः नियंत्रण स्पॅम, टिप्पणी व्यवस्थापन.
  3. कायदे: आपली संमती
  4. डेटा संप्रेषण: कायदेशीर बंधन वगळता डेटा तृतीय पक्षास कळविला जाणार नाही.
  5. डेटा संग्रहण: ओकेन्टस नेटवर्क (EU) द्वारा होस्ट केलेला डेटाबेस
  6. अधिकारः कोणत्याही वेळी आपण आपली माहिती मर्यादित, पुनर्प्राप्त आणि हटवू शकता.