Popularne Wiadomości
Narzędzie AI do wykrywania cech charakterystycznych choroby Alzheimera
Badanie, opublikowane w czasopiśmie Nature Communications, jest dowodem koncepcji podejścia opartego na uczeniu maszynowym do rozróżniania krytycznych markerów choroby neurodegeneracyjnej.
Blaszki amyloidowe to skupiska fragmentów białka w mózgach osób z chorobą Alzheimera, które niszczą połączenia komórek nerwowych, twierdzą naukowcy z University of California w Davis w USA. (Zdjęcie autorstwa Thinkstock Images) Naukowcy znaleźli sposób na nauczenie komputera precyzyjnego wykrywania jednej z cech charakterystycznych choroby Alzheimera w tkance mózgu człowieka za pomocą sztucznej inteligencji (AI).
Badanie opublikowane w czasopiśmie Komunikacja przyrodnicza , jest dowodem koncepcji podejścia opartego na uczeniu maszynowym do rozróżniania krytycznych markerów choroby neurodegeneracyjnej.
Blaszki amyloidowe to grudki fragmentów białka w mózgach osób z chorobą Alzheimera, które niszczą połączenia komórek nerwowych, twierdzą naukowcy z University of California, Davis (UC Davis) w USA.
Podobnie jak Facebook rozpoznaje twarze na podstawie przechwyconych obrazów, narzędzie do uczenia maszynowego może sprawdzić, czy próbka tkanki mózgowej ma taki czy inny rodzaj płytki amyloidowej, i robi to bardzo szybko.
Odkrycia sugerują, że uczenie maszynowe może zwiększyć wiedzę specjalistyczną i analizę eksperta neuropatologa.
Narzędzie pozwala im analizować tysiące razy więcej danych i zadawać nowe pytania, które nie byłyby możliwe przy ograniczonych możliwościach przetwarzania danych nawet przez najlepiej wyszkolonych ludzkich ekspertów.
Wciąż potrzebujemy patologa, powiedziała Brittany N Dugger, adiunkt na UC Davis i główny autor badania.
To jest narzędzie, podobnie jak klawiatura do pisania. Ponieważ klawiatury pomogły w pisaniu przepływów pracy, patologia cyfrowa w połączeniu z uczeniem maszynowym może pomóc w przepływach pracy neuropatologicznej, powiedział Dugger.
Nawiązała współpracę z Michaelem J Keiserem, adiunktem na Uniwersytecie Kalifornijskim w San Francisco (UCSF), aby ustalić, czy mogą nauczyć komputer automatyzować żmudny proces identyfikacji i analizy maleńkich blaszek amyloidowych różnych typów w dużych skrawkach ludzkiego ciała z autopsji. tkanka mózgowa.
Keizer i jego zespół zaprojektowali konwolucyjną sieć neuronową (CNN), program komputerowy zaprojektowany do rozpoznawania wzorców na podstawie tysięcy przykładów oznaczonych przez człowieka.
Zespół opracował metodę, która umożliwiła szybkie opisywanie lub etykietowanie dziesiątek tysięcy obrazów z kolekcji pół miliona zbliżeń tkanki z 43 zdrowych i chorych próbek mózgu.
Podobnie jak komputerowa usługa randkowa, która pozwala użytkownikom przesuwać palcem w lewo lub w prawo, aby oznaczyć czyjeś zdjęcie jako gorące lub nie, opracowali platformę internetową, która pozwoliła Duggerowi spojrzeć pojedynczo na bardzo powiększone obszary potencjalnych tablic i szybko oznaczyć co tam zobaczyła.
To cyfrowe narzędzie do patologii – które naukowcy nazywali blobem lub nie – pozwoliło Duggerowi opisać ponad 70 000 blobów lub kandydatów do blaszek miażdżycowych z szybkością około 2000 obrazów na godzinę.
Zespół UCSF wykorzystał tę bazę danych dziesiątek tysięcy oznaczonych przykładowych obrazów, aby wytrenować algorytm uczenia maszynowego CNN w celu identyfikacji różnych typów zmian w mózgu obserwowanych w chorobie Alzheimera.
żółta gąsienica niedźwiedzia wełnianego jest trująca
Obejmuje to rozróżnianie tak zwanych blaszek rdzeniowych i rozproszonych oraz identyfikowanie nieprawidłowości w naczyniach krwionośnych.
Naukowcy wykazali, że ich algorytm może przetworzyć slajd całego wycinka mózgu z 98,7% dokładnością, z prędkością ograniczoną jedynie liczbą procesorów komputerowych, których używali.