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

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...

Skin Lesion Analyzer

powered by
Artificial Intelligence

Új kép feltöltése

Please Note: This is a prototype.

Feltételezés

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

Az ML és az AI további felhasználási területei