放射治疗是最广泛使用的癌症治疗方法之一，但该方法的一个缺点是，它可能对癌性生长附近的健康组织造成附带损害。 通过CT扫描识别处于危险中的器官是一个困难和劳动密集型的过程，但UCI计算机科学家和其他机构的研究人员已经开发了一种自动技术，使用深度学习算法来执行这一功能。 他们的作品最近发表在“自然机器智能”上。
UCI计算机科学教授谢晓辉说：“使用我们的模型，可以在几秒钟内描绘出一个完整的扫描，这项任务需要半小时以上的人类专家。” “在100个CT扫描的数据集上，我们的深度学习方法的平均相似性系数达到了78%以上，比放射肿瘤学家所做的分析有了显著的改进。”
研究人员集中在头部和颈部，因为复杂的解剖结构和密集的器官分布在身体的这一部分。 此外，对这一地区敏感组织的意外照射会导致不良副作用，如张口困难、视力和听力恶化以及认知障碍。 谢说，他的团队的成功方法可以归因于模型的两阶段设计。
首先，该系统识别包含重要器官的区域，然后从这些重点区域提取图像特征。 “我们的深度学习神经网络极大地提高了解剖的能力，即使是低对比度的CT扫描，”谢说。 这种设置比其他方法计算效率更高，可以使用更标准的图形处理单元内存。 这意味着这种技术可以更容易地应用于实际诊所。 他的合作者来自中国上海交通大学医学院和科斯塔梅萨的深伏塞尔公司。
去哪儿今日正式纽交所上市最大融资额1 47亿美元。...
重庆银行H股上市终亮相助力小微企业融资突围。三家...
乳粉行业重组方案已上报国务院待批业界仍有争议。...
众筹平台Kickstarter迎来里程碑发展成功融资项目超...
