热门职位
检测阿尔茨海默病特征的人工智能工具
这项发表在《自然通讯》杂志上的研究证明了机器学习方法可以区分神经退行性疾病的关键标志物的概念。
美国加州大学戴维斯分校的研究人员表示，淀粉样蛋白斑块是阿尔茨海默病患者大脑中的蛋白质碎片团块，可破坏神经细胞连接。 （照片来自 Thinkstock 图片） 研究人员找到了一种方法，可以教会计算机使用人工智能 (AI) 精确检测人脑组织中阿尔茨海默病的一个标志。
该研究发表在期刊上 自然通讯 ，是机器学习方法的概念证明，用于区分神经退行性疾病的关键标志物。
美国加州大学戴维斯分校 (UC Davis) 的研究人员表示，淀粉样蛋白斑块是阿尔茨海默病患者大脑中的蛋白质碎片团块，会破坏神经细胞连接。
就像 Facebook 根据捕获的图像识别人脸的方式一样，机器学习工具可以查看脑组织样本是否具有一种或另一种类型的淀粉样斑块，并且可以非常快速地完成。
研究结果表明，机器学习可以增强神经病理学家的专业知识和分析能力。
该工具使他们能够分析数千倍的数据并提出新问题，即使是训练有素的人类专家的有限数据处理能力也无法解决这些问题。
我们仍然需要病理学家，加州大学戴维斯分校的助理教授、该研究的主要作者布列塔尼·N·杜格 (Brittany N Dugger) 说。
这是一种工具，就像键盘用于书写一样。 Dugger 说，由于键盘有助于编写工作流程，数字病理学与机器学习相结合可以帮助神经病理学工作流程。
她与加州大学旧金山分校 (UCSF) 的助理教授 Michael J Keiser 合作，以确定他们是否可以教计算机自动执行识别和分析大切片人体中各种类型的微小淀粉样斑块的费力过程。脑组织。
Keizer 和他的团队设计了一个卷积神经网络 (CNN)，这是一种计算机程序，旨在根据数千个人类标记的示例识别模式。
该团队设计了一种方法，使其能够快速注释或标记来自 43 个健康和患病大脑样本的 50 万张组织特写图像中的数万张图像。
就像计算机约会服务允许用户向左或向右滑动来标记某人的照片热不热一样，他们开发了一个网络平台，允许 Dugger 一次查看一个高度放大的潜在斑块区域并快速标记她在那里看到了什么。
这种数字病理学工具——研究人员是否称其为 blob——允许 Dugger 以每小时约 2,000 张图像的速度注释超过 70,000 个斑点或斑块候选物。
UCSF 团队使用这个包含数万张标记示例图像的数据库来训练他们的 CNN 机器学习算法，以识别阿尔茨海默病中不同类型的大脑变化。
兰花有多少个品种
这包括区分所谓的核心斑块和弥散斑块，以及识别血管异常。
研究人员表明，他们的算法可以以 98.7% 的准确率处理整个全脑切片，速度仅受他们使用的计算机处理器数量的限制。