И, скоро, A.I. будет использоваться, чтобы «прочитать» биомедицинские изображения более точно, чем один только медперсонал – обеспечение лучшей ранней диагностики рака шейки матки по более низкой цене, чем текущие методы.Однако это не обязательно означает, что радиологи скоро будут банкротом.«Люди и компьютеры очень дополнительны», говорит Шэрон Ксиэолеи Хуан, адъюнкт-профессор информатики и разработки в Университете Лихай в Вифлееме, Пенсильвания. «Это – то, о чем A.I. – все».
Хуан направляет Image Data Emulation & Analysis Laboratory на Lehigh, где она работает над искусственным интеллектом, связанным с видением и графикой, или, как она говорит: «создание методов, которые позволяют компьютерам понять изображения путем люди, делает». Среди главных интересов Хуана учебные компьютеры, чтобы понять биомедицинские изображения.
Теперь, в результате работы 10 лет, Хуан и ее команда создали метод обследования на рак шейки матки, у которого, на основе анализа очень большого набора данных, есть потенциал, чтобы выступить также или лучше, чем человеческая интерпретация на других традиционных результатах показа, таких как Мазки Папаниколау и тесты HPV – по намного более низкой цене. Техника могла использоваться в развивающихся странах, где 80% смертельных случаев от рака шейки матки происходят.
Исследователи в настоящее время ищут финансирование для следующего шага в их проекте, который должен провести клинические экспертизы, используя этот управляемый данными метод обнаружения.Более точный инструмент показа, по более низкой ценеСистема показа Хуана основана на основанных на изображении классификаторах (алгоритм, который классифицирует данные), построенный из большого количества изображений Cervigram.
Cervigrams – изображения, взятые цифровой cervicography, неразрушающий визуальный метод экспертизы, который делает фотографию шейки. Изображения, когда прочитано, разработаны, чтобы обнаружить цервикальную внутриэпителиальную неоплазию (CIN), которая является потенциально предзлокачественным изменением и неправильным ростом сквамозных клеток на поверхности шейки.«У Cervigrams есть большой потенциал как инструмент показа в бедных ресурсами регионах, где клинические тесты, такие как Каша и HPV слишком дорогие, чтобы быть сделанными широко доступными», говорит Хуан. «Однако есть озабоченность по поводу полной эффективности Сервигрэмса из-за сообщений о плохой корреляции между визуальным признанием повреждения и болезнью в тяжелой форме, а также разногласием среди экспертов, оценивая визуальные результаты».
Хуан думал, что компьютерные алгоритмы могли помочь улучшить точность на аттестации повреждений, используя визуальную информацию – подозрение, которое, до сих пор, оказывается правильным.Поскольку техника Хуана, как показывали, через анализ очень большого набора данных, была оба более чувствительной – способный диагностировать ненормальность – а также более конкретный (меньше ложных положительных сторон), это могло использоваться, чтобы улучшить обследование на рак шейки матки в развитых странах как США.
«Наш метод был бы эффективным недорогим дополнением к батарее тестов, помогающих понизить ложный положительный уровень, так как это обеспечивает на 10% лучшую чувствительность и специфику, чем какой-либо другой метод проверки, включая Кашу и тесты HPV», говорит Хуан.Корреляция визуальных особенностей и терпеливых данных к ракуЧтобы определить особенности, которые являются самыми полезными в обследовании на рак, команда создала изготовленные вручную особенности пирамиды (основные компоненты систем признания) – а также исследовала исполнение общей глубокой структуры изучения, известной как сверточные нейронные сети (CNN) для цервикальной классификации болезней.
Они описывают свои результаты в статье в мартовском выпуске названного Распознавания образов: «Мультиособенность основывает оценку для цервикальной классификации нарушений роста». Исследователи также выпустили набор данных мультиособенности и обширные оценки, используя семь классических классификаторов.Чтобы построить инструмент показа, Хуан и ее команда использовали данные из 1 112 терпеливых посещений, где у 345 из пациентов, как находили, были повреждения, которые были положительными для умеренного или тяжелого нарушения роста (рассмотренный высокого качества и вероятным развиваться в рак), и 767 имел повреждения, которые были отрицательны (рассмотренный низкосортным с легким нарушением роста, как правило, очищенным иммунной системой).Эти данные были отобраны из крупного медицинского архива, собранного американским Национальным Онкологическим институтом, состоящим из информации от 10 000 анонимизированных женщин, которые были обследованы, используя многочисленные методы, включая Cervigrams, по многим посещениям.
Данные также содержат диагноз и результат для каждого пациента.«Программа, мы создали автоматически области ткани сегментов, замеченные на фотографиях шейки, коррелируя визуальные особенности от изображений до развития предзлокачественных повреждений», говорит Хуан. «На практике это могло означать, что медицинский штат, анализирующий Cervigram нового пациента, мог восстановить данные о подобных случаях – не только с точки зрения оптики, но также и патологии, так как набор данных содержит информацию о результатах женщин на различных стадиях патологии».От исследования:»… относительно точности и чувствительности, наш описатель особенности PLBP-PLAB-PHOG ручной работы со случайным лесным классификатором (RF.PLBP-PLAB-PHOG) выигрывает у каждого Мазка Папаниколау или теста HPV, достигая специфики 90%. Если не ограниченный 90%-м требованием специфики, наш основанный на изображении классификатор может достигнуть еще лучшей полной точности.
Например, наши точно настроенные особенности CNN с классификатором Softmax могут достигнуть точности 78,41% с чувствительностью на 80,87% и спецификой на 75,94% в пороге вероятности по умолчанию 0.5. Следовательно, на этом наборе данных, наши основанные на изображении классификаторы меньшей стоимости могут выступить сравнительно или лучше, чем человеческая интерпретация на основе широко используемой Каши и тесты HPV…"
По словам исследователей, их классификаторы достигают более высокой чувствительности в особенно важной области: обнаружение умеренного и тяжелого нарушения роста – или рак.Исследование классификации с улучшенным методом отображенияСреди других проектов Хуана сотрудничество с Чао Чжоу, доцентом электротехники и вычислительной техники в Lehigh. Они работают над использованием установленного медицинского метода отображения, названного оптической микроскопией последовательности (OCM) – обычно используемый в офтальмологии – чтобы проанализировать ткань молочных желез, чтобы создать автоматизированные диагнозы.
Их анализ разработан, чтобы помочь хирургам минимизировать ткань, удаленную, воздействуя на больных раком, предоставив очень точную, информацию в реальном времени о здоровье удаленной ткани.Они недавно провели технико-экономическое обоснование с обещанием результатов, что были изданы в статье в Медицинском названном Анализе Изображения: «Интегрированная местная двойная структура образца показывает для классификации ткани молочных желез, изображенной оптической микроскопией последовательности».Хуан и Чжоу использовали многомасштабные и интегрированные функции изображения, чтобы улучшить точность классификации и смогли достигнуть высокой чувствительности (100%) и специфики (85,2%) для диагностики рака, используя изображения OCM.
«Чао сделал большую работу в новой инструментовке – улучшение качества биомедицинских изображений», говорит Хуан. «Так как он работает над изображениями – или вводы данных – и я работаю над результатами анализа данных – или продукция, наше сотрудничество – естественная подгонка».