Siker!!!
A Nature legolvasottabb cikkei közé került az ELTE fizikusainak közleménye
A tudományos közlemény egy innovatív eljárás, az úgynevezett deep-learning (mélytanuló) rendszer alkalmazását mutatja be a mammográfiai diagnosztikában.
2019.05.18 06:28MTIAz Eötvös Loránd Tudományegyetem (ELTE) Komplex Rendszerek Fizikája Tanszék kutatóinak közleménye a Nature Scientific Reports lapban megjelent 17 ezer cikk közül került a legjobbak közé: a mammográfiai szűréseket forradalmasító eljárást bemutató cikk a múlt év 30. legolvasottabbja lett.
A tudományos közlemény egy innovatív eljárás, az úgynevezett deep-learning (mélytanuló) rendszer alkalmazását mutatja be a mammográfiai diagnosztikában.
Az amerikai Nemzeti Rákkutató Intézet és Joe Biden volt alelnök által indított Cancer Moonshot kezdeményezés keretében szervezett The Digital Mammography DREAM Challenge nemzetközi felhívásban a résztvevők mammográfiai felvételek minél jobb diagnosztikai kiértékelésére vállalkoztak: Ribli Dezső több mint 1200 kutató közül második helyezést ért el. A módszer leírása szabad hozzáférésű tudományos publikációként jelent meg a Nature Scientific Reports hasábjain - olvasható az ELTE honlapján.
A hazai kutatók által kifejlesztett szoftver képes arra, hogy megtalálja a rosszindulatú tumorok 90 százalékát úgy, hogy 10 képre átlagosan csak 3 darab téves jelölést rak. Ez az eredmény óriási jelentőségű lehet a klinikai gyakorlatban, a minél korábbi és pontosabb diagnózis érdekében.
Mint írják, az emlődaganat világszerte a leggyakoribb rákos megbetegedés és vezető halálozási ok a nők körében. Gyógyításában és korai diagnózisában kulcsszerepet játszott az 1970-es évek elején a mammográfia megjelenése, amely az egyik legnehezebb és legnagyobb kihívást felvonultató szakág, így a gépi segítség és asszisztálás kérdésköre már korábban is felmerült a szektorban. A szakemberek az 1980-as évek első felétől használnak komputer-asszisztált diagnózisokat (CAD), azonban a mesterséges intelligencia megjelenése új távlatokat nyújtott a diagnosztikában.
A cikk szerint az elmúlt 5 évben valódi forradalom zajlott le a számítógépes képfelismerésben, számos esetben a mesterséges intelligencia vívmányait is használják a kutatók. A hagyományos módszerek hibaarányát egy nagyságrenddel csökkentették a mély mesterséges neurális hálózatokon alapuló deep learning rendszerek. Ezek a programok a hétköznapi képeken lévő tárgyak, élőlények felismerésében az emberi teljesítményhez hasonló pontossággal működnek, de nagyságrendekkel gyorsabbak és fáradhatatlanok.
A diagnosztikában a hagyományos képelemző szoftverekben a képet aprólékosan megtervezett, kézzel készített jellemzőkkel próbálták leírni (például elváltozások alakja, mérete), majd egyszerűbb klasszifikációs módszereket alkalmaztak a kinyert jellemzőkön. A deep learning ezzel szemben a nyersképeket sok egymás utáni szűrősorozattal dolgozza fel, a szűrők paramétereit pedig önállóan, kizárólag az adatokból tanulja.
"Az ELTE-s kutatók által kidolgozott képelemző neurális hálózat működését a legegyszerűbben úgy képzelhetjük el, mintha lenne egy nagyon gyors és nagyon szorgalmas asszisztensünk, aki papírlapokba több, különböző méretű és alakú lyukat vágott. Ezeket a lapokat egymás után ráfektetve a mammogramra, csak a lyukon át látható tartományra koncentrálva, minden részletet megvizsgál, amikor végighúzza a lapot a kép minden pontja felett. Azokat a tartományokat, amelyek olyan képi objektumokat tartalmaztak olyan arányban, mint amilyeneket rosszindulatú daganat esetén már korábban látott a tanítóhalmazokban, megcímkézi egy gyanússági pontértékkel. Az így nyert leggyanúsabb képrészletek helyét ezután bejelöli az eredeti képen egy-egy téglalappal. Az alkalmazás során csak a rosszindulatú tumorok jelöléseit mutatja" - olvasható a cikkben.
Amennyiben a módszer a számos soron következő tesztelés során is bizonyít, úgy megoldhatóvá válhat a mammográfiai szűrés olyan kórházakban, ahol a szakemberek jelentősen túl vannak terhelve, és az intézmény erőforráshiánnyal küzd.
A Detecting and classifying lesions in mammograms with Deep Learning címmel megjelent publikációt Ribli Dezső Phd-hallgató (Komplex Rendszerek Fizikája Tanszék), Csabai István egyetemi tanár (Komplex Rendszerek Fizikája Tanszék) és Pollner Péter, az MTA-ELTE Biológiai Fizika Kutatócsoport tudományos főmunkatársa mellett a Semmelweis Egyetem kutatói - Horváth Anna és Unger Zsuzsa - jegyzik.
Figyelem! A cikkhez hozzáfűzött hozzászólások nem a ma.hu network nézeteit tükrözik. A szerkesztőség mindössze a hírek publikációjával foglalkozik, a kommenteket nem tudja befolyásolni - azok az olvasók személyes véleményét tartalmazzák.
Kérjük, kulturáltan, mások személyiségi jogainak és jó hírnevének tiszteletben tartásával kommenteljenek!
ma.hu legfrissebb hírei:
- 1:30 Négy új hajó felavatásával indult el a 178. balatoni hajózási szezon
- 0:30 Az Egyesült Államokban 25 év börtönbüntetést kapott Sam Bankman-Fried, az FTX alapítója
- 23:30 A Fehér Ház nem számít izraeli katonai műveletre Rafahban az erről szóló washingtoni egyeztetés előtt
- 22:35 Több mint 100 km/órás széllel és lehűléssel érkezett a hidegfront
- 22:30 Előállítottak egy 17 éves gyanúsítottat a francia középiskolák elleni merényletfenyegetések miatt
- 21:30 Korlátozások lesznek keddtől a ferihegyi repülőtér felé vezető úton
- 20:48 MÁV: április közepéig korlátozzák a vasúti forgalmat a Déli pályaudvar és Kelenföld között
top fórum témák:
- Tanár Úr gyere, mindjárt lesz Lillád!2022.05.10 21:11
- AZ IGAZSÁG SOHA NEM KÉSŐ2022.05.10 21:07
- JólVanna2022.05.10 20:31
- Porvihar2022.03.29 16:11
- Mit szólsz? Ide minden baromságot...2022.03.29 16:06