Os tumores sem aviso muito grande para a população foram algo e sua detecção precoce muito para a população, algo que a população. Pensando nisso, um novo modelo permite classificar com precisão um tumor cerebral de um tipo comum de câncer a partir de uma única imagem de ressonância magnética do cérebro.

Tumores sempre foram um desvio bem delicado, pois, uma associação deles ao câncer sempre assustou muito a população. Os tipos de tumor intracraniano mais comuns são glioma de alto grau, glioma de baixo grau, metástases seis de baixo grau, meningioma, adenoma hipofisário e neuroma acústico. Cada um foi documentado por meio de patologia, que requer uma combinação de seu tecido do local de um suspeito e exame ao diferente.

Conhecendo o assunto, as abordagens de aprendizagem de uso de ressonâncias magnéticas podem automatizar uma detecção de dados e classificação de máquinas estranhas.Uma equipe de pesquisa comum da Escola de Medicina da Universidade de tipos Washington, um modelo de aprendizado profundo que é capaz de classificar um tumor cerebral como um dos seis usando uma ressonância magnética única 3D.

Para obter, os pesquisadores usam dados internos da própria instituição, como também, exames de ressonância magnética ponderados em T1 pré-operatórios pós-operatórios do tumor cerebral Segmentação de imagens, The Cancer Genome Atlas Glioblastoma Multiforme e The Cancer Genome Atlas Glioma de baixo grau. Os investigadores dividiram um total de testes e varreduras de três subconjuntos: 1.396 para treinamento, 361 para dados internos 348 para testes externos.O primeiro conjunto de varreduras de varreduras magnéticas válidas foi usado para uma rede convolucional entre variedades neurais variáveis e de varreduras magnéticas com, e para classificar os tipos por variedades neurais. Os avaliadores avaliam o desempenho do modelo usando dados de exames de ressonância magnética interna e externa.

Usando os dados de teste interno, o modelo alcançou uma precisão de 93,35% em sete classes de imagem (uma classe saudável e seis classes de tumor). Como as sensibilidades dos pacientes são de 91% a 100%, e o valor preditivo positivo - ou uma probabilidade de triagem de 85% realmente têm uma doença - ou uma probabilidade de triagem de 85% realmente têm uma doença - 100%.

Esta rede é o primeiro passo para o desenvolvimento de um trabalho radiológico com inteligência artificial de fluxo de imagens que pode complementar uma interpretação , fornecer informações detalhadas e estatísticas.

Fonte

https://neurosciencenews.com/ai-brain-cancer-19116/