A gépi tanulás egészségügyi alkalmazhatósága

A mesterséges intelligencia nagy segítséget nyújthat az orvosoknak a képalapú leletekből való diagnózisállításban. A rendszer nagy pontossággal csoportosítja például a különféle bőrelváltozásokat, így hozzájárulhat a félrediagnosztizálás elkerüléséhez.

Bőrelváltozások észlelése gépi látás segítségével

  • Alapmodell: vgg16 – kaggle modell
  • Adatszett: HAM10000 – Actinic Keratoses, Basal Cell Carcinoma, Benign Keratosis, Dermatofibroma, Melanoma, Melanocytic Nevi, Vascular skin lesion
  • Bemenet: 224×224
  • Kimenet: százalékos valószínűség 6 lehetséges bőrelváltozásra
Dermatofibroma: 0.998905
Melanoma: 0.969042

Az orvosok által ellenőrzött képekkel tanított VGG–16 modell 6 féle bőrelváltozást tud azonosítani 85%-os pontossággal.

Próbálja ki – töltsön fel egy képet a vizsgálni kívánt bőrfelületről!

Az AI töltődik...
Eredmények

    Please Note: This is a prototype.

    Próbálja ki – töltsön fel egy képet a vizsgálni kívánt bőrfelületről!

    Covid-19 fertőzöttek detektálása mellkasi röntgenfelvételekből, gépi tanulási modellekkel (példa, NEM tükrözi a valóságot)

    A COVID-19 elleni küzdelemben kulcsfontosságú a fertőzött betegek hatékony szűrése. Már a korai vizsgálatok során kiderült, hogy a mellkasi röntgenfelvételeken eltérések láthatók, ha jelen van a fertőzés. A nyílt forráskódú és a nagyközönség számára elérhető COVID-Net egy közösségi fejlesztés alatt álló szoftver, amelynek a célja, hogy mellkasröntgen-felvételek (CXR) alapján diagnosztizálni lehessen a COVID-19-fertőzöttséget.

    A fejlesztéshez jelenleg 13,975 CXR képből álló adatkészlet áll rendelkezésre.

    A kutató- és data scientist közösség bővülésével gyorsulhat fel a fejlesztés. Az eredménye egy pontos és praktikus, deep learningen alapuló megoldás lesz, amelynek segítségével egyszerűen felderíthetők a COVID-19 esetek.

    További információ a projekttel kapcsolatban: github.com/lindawangg/COVID-Net

    Covid Inference Result
    Prediction: COVID-19
    Normal: 0.031
    Pneumonia: 0.189
    COVID-19: 0.780

    Covid Inference Severity
    Geographic severity: 0.519
    Geographic extent score for right + left lung (0 - 8): 4.155
    Opacity severity: 0.388
    Opacity extent score for right + left lung (0 - 6): 2.329