Komanda iš Honkongo universiteto (HKU) sukūrė AI varomą vaizdo gavimo įrankį „Cito-Marfologijos prieštaringą distiliavimą“ (Cytomad), kuris padeda pagreitinti ir pagerinti vėžio diagnozės tikslumą.
Tyrimai, vadovaujami Kevino Tsia, HKU inžinerijos fakulteto biomedicinos inžinerijos programos direktoriaus, parodė Cytomado veiksmingumą plaučių vėžio diagnozės ir narkotikų tyrimų veiksmingume. TSIA bendradarbiauja su Li Ka Shing Medicinos fakultete ir Karalienės Marijos ligonine, kad galėtų atlikti tyrimus.
Įrankis pasitelkia mikrofluidinės technologijos vaizdavimui be etikečių, leidžiančią gydytojams atskirai ištirti naviko ląsteles ir įvertinti metastazių riziką.
TSIA sakė: „Mes naudojame generatyvinę AI technologiją, kad padarytume daug aiškesnių etikečių vaizdų su naudinga informacija, pavyzdžiui, ar gydymas turėjo teigiamą poveikį“.
„Cytomad“ AI galimybės Teisingi ląstelių vaizdavimo neatitikimai, gerina vaizdus ir išgauna kritinę informaciją, užtikrinant patikimą duomenų analizę ir diagnozę.
Komandos darbas, apimantis bendradarbiavimą su HKUMED docentu Jamesu Ho ir kardiotoraciniu chirurgu Michaelu Hsinu, buvo paskelbtas žurnale Pažengęs mokslas.
Prieigą prie išsamiausių įmonių profilių rinkoje, kuriuos varo „Globaldata“. Sutaupykite valandų tyrimų. Įgyti konkurencinį pranašumą.
Įmonės profilis – nemokamas pavyzdys
Jūsų atsisiuntimo el. Laiškas netrukus bus pateiktas
Esame tikri dėl unikalios mūsų įmonės profilių kokybės. Tačiau mes norime, kad jūs priimtumėte naudingiausią sprendimą savo verslui, todėl siūlome nemokamą pavyzdį, kurį galite atsisiųsti pateikdami žemiau pateiktą formą
Pateikė globaldata
TSIA sakė: „Ši technologija leidžia mums užfiksuoti ląstelių vaizdus dideliu greičiu. Kiekvieną dieną galima sukurti dešimtis milijonų vaizdų. Todėl, pasitelkdami šią vieną sistemą, mes esame unikalioje padėtyje, tarp daugelio AI naujovių, kad paspartintume pažengusį AI tyrimų ir plėtrą – nuo mokymo, optimizavimo iki diegimo. “
Sakoma, kad „Cytomad“ įrankis sprendžia „partijos efekto“ iššūkį, kai techniniai variantai gali kliudyti ląstelių morfologijos aiškinimui.
Dabartiniai mašinų mokymosi metodai dažnai netenkina dėl jų priklausomybės nuo a priori žinių. Tačiau teigiama, kad „Cytomad“ giluminio mokymosi modelis kartu su ypač kastomis optinio vaizdo gavimo technologijomis apeina šiuos apribojimus.
Jos taikymas apima ne tik plaučių vėžį, bet ir gali paspartinti narkotikų patikrinimo procesus, naudodamiesi metodu be etikečių laiko efektyvumo ir generatyvinės AI diagnostinės galios.
