0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
創(chuàng)作中心

完善資料讓更多小伙伴認識你,還能領取20積分哦,立即完善>

3天內不再提示

通過深度學習AI技術,掃描心臟血流只需幾秒鐘

獨愛72H ? 來源:科技日報 ? 作者:佚名 ? 2020-04-14 21:10 ? 次閱讀

(文章來源:科技日報)
英國《自然·機器智能》雜志13日發(fā)表的一項醫(yī)學與人工智能AI)研究中,瑞士科學家介紹了一種人工智能系統(tǒng)可以幾秒之內掃描心血管血流。這個深度學習模型有望讓臨床醫(yī)師在患者接受核磁共振掃描的同時,實時觀察血流變化,從而優(yōu)化診斷工作流。

四維(4D)核磁共振掃描可以用來重建心血管血流隨時間變化而產生的特征,對于心血管疾病的診斷具有重要意義。然而,這些掃描通常需要20分鐘的處理時間,意味著掃描過程中,無法對做成像進一步評估。加速這類掃描,就能在患者接受掃描的同時完成實時評估,不僅能節(jié)省臨床醫(yī)師的時間,還能減少患者的不適。

此次,瑞士蘇黎世聯(lián)邦理工學院研究人員瓦雷里·韋詩耐韋斯基及其同事,開發(fā)出了一種深度學習人工智能模型,可以在幾秒之內對經過心臟的血流進行四維重建。研究團隊用11個掃描案例訓練了一個神經網絡,發(fā)現(xiàn)這個網絡可以準確重建正?;颊吆脱鳟惓;颊叩闹鲃用}血流,且準確度與傳統(tǒng)方法一致。

目前,這個人工智能系統(tǒng)還能在20秒左右的時間里重建一次掃描,比目前尖端的傳統(tǒng)方法快30倍,比之前的深度學習方法快4.2倍。

深度學習網絡,是機器學習中一種基于對數(shù)據(jù)進行表征學習的方法,也被稱為人工神經網絡,是在現(xiàn)代神經科學研究成果的基礎上提出的,試圖通過模擬大腦神經網絡處理、記憶信息的方式來進行信息處理?,F(xiàn)在,深度學習網絡越來越多地用于生物數(shù)據(jù)分析自動化。深度學習模型的一個挑戰(zhàn)是它們的“黑箱”性質,也就是說無法輕易鑒定一個模型執(zhí)行某項任務時的過程。科學家們認為,除利用深度學習幫助人類推進醫(yī)療事業(yè),還可調查深度學習模型如何識別和處理所分析的數(shù)據(jù)的能力,幫助研究者更好地理解這些數(shù)據(jù)背后的生物學。

神經網絡太神經,能下棋,能答題,能識別人臉,現(xiàn)在還能加速看片。做核磁共振經常令人不適,患者常在密閉空間里一待幾十分鐘不敢動彈,直到清晰圖像一點點呈現(xiàn)于電腦屏幕。醫(yī)生也希望能加速,讓核磁像B超一樣實時出圖。如今依靠人工智能,電腦將無數(shù)數(shù)據(jù)和經驗化作人類望塵莫及的洞察力,即刻獻上一份份心血之作。
(責任編輯:fqj)

聲明:本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人,不代表電子發(fā)燒友網立場。文章及其配圖僅供工程師學習之用,如有內容侵權或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報投訴
  • AI
    AI
    +關注

    關注

    87

    文章

    29401

    瀏覽量

    267706
  • 智能醫(yī)療

    關注

    27

    文章

    1380

    瀏覽量

    74407
收藏 人收藏

    評論

    相關推薦

    AI大模型與深度學習的關系

    AI大模型與深度學習之間存在著密不可分的關系,它們互為促進,相輔相成。以下是對兩者關系的介紹: 一、深度學習
    的頭像 發(fā)表于 10-23 15:25 ?132次閱讀

    AI深度噪音抑制技術

    AI深度噪音抑制技術通過深度學習算法實現(xiàn)了對音頻中噪聲的智能消除,它在音頻清晰度提升、環(huán)境適應性、實時性和自然音質保留等方面展現(xiàn)了巨大的優(yōu)勢
    的頭像 發(fā)表于 10-17 10:45 ?223次閱讀
    <b class='flag-5'>AI</b><b class='flag-5'>深度</b>噪音抑制<b class='flag-5'>技術</b>

    AI for Science:人工智能驅動科學創(chuàng)新》第二章AI for Science的技術支撐學習心得

    人工智能在科學研究中的核心技術,包括機器學習、深度學習、神經網絡等。這些技術構成了AI for
    發(fā)表于 10-14 09:16

    TLV8811開機后幾秒鐘內有的板子CO濃度數(shù)值很大且一直上升直至異常,為什么?

    TLV8811: 開機后幾秒鐘內有的板子CO濃度數(shù)值很大且一直上升直至異常,示波器捕捉AD_CO信號,發(fā)現(xiàn)異常板子與正常板子AD_CO信號有差異
    發(fā)表于 07-26 06:11

    ESP8266 SSL服務器在幾秒鐘后斷開連接是怎么回事?

    (&esp_conn); 來自 Android 設備或 PC 的連接似乎沒問題。但是,幾秒鐘后,我的ESP8266設備將自動斷開這些連接。 服務器握手開始。 服務器握手OK
    發(fā)表于 07-17 08:16

    為什么ESP8266EX再次從WIFI AP獲取IP時,它會在幾秒鐘后斷開TCP客戶端連接?

    again } 3. 當我重新打開我的 AP 時,幾秒鐘后,ESP8266EX會自動連接并獲得 IP。我的計時器將檢測到它再次獲得 IP,并開始連接 TCP 客戶端的過程。現(xiàn)在它成功連接到 TCP,并且
    發(fā)表于 07-15 06:17

    基于AI深度學習的缺陷檢測系統(tǒng)

    在工業(yè)生產中,缺陷檢測是確保產品質量的關鍵環(huán)節(jié)。傳統(tǒng)的人工檢測方法不僅效率低下,且易受人為因素影響,導致誤檢和漏檢問題頻發(fā)。隨著人工智能技術的飛速發(fā)展,特別是深度學習技術的崛起,基于
    的頭像 發(fā)表于 07-08 10:30 ?805次閱讀

    在vscode esp-idf擴展內編輯代碼,經常會有幾秒鐘的卡頓,為什么?

    在vscode esp-idf擴展內編輯代碼,經常會有幾秒鐘的卡頓。 不是每次編輯都會卡頓,但是概率比較大。 有時候雙擊變量名,ctrl+點擊函數(shù)名都會卡住,整個vscode無法點擊,此時電腦別的軟件都運行正常沒卡
    發(fā)表于 06-19 07:22

    FPGA在深度學習應用中或將取代GPU

    AI 框架模型映射到硬件架構。 Larzul 的公司 Mipsology 希望通過 Zebra 來彌合這一差距。Zebra 是一種軟件平臺,開發(fā)者可以輕松地將深度學習代碼移植到 F
    發(fā)表于 03-21 15:19

    Sora到底牛在哪 | AI爆發(fā)的大趨勢下,普通人真正該學的是什么

    Sora炸裂了的地方,在于它能理解自然語言,知道那個畫面該是怎么樣的,它學習很多視頻內容(大力出奇跡,需要很多算力),而且一上來就是能制作60s的視頻,剛好是短視頻的需求,之前的AI視頻生成的時間都很短(幾秒鐘).
    的頭像 發(fā)表于 03-06 22:46 ?442次閱讀

    PC通過CYUSB3014訪問FPGA時報通信錯誤怎么解決?

    問題:當PC讀取Slave COOLDIM_PRG_BOARD上特定地址的寄存器時,一開始是正常的,但幾秒鐘后,PC上應用程序代碼的Xferdata函數(shù)報告錯誤。 我發(fā)現(xiàn) FPGA 上 GPIFII
    發(fā)表于 03-05 07:58

    詳解深度學習、神經網絡與卷積神經網絡的應用

    處理技術也可以通過深度學習來獲得更優(yōu)異的效果,比如去噪、超分辨率和跟蹤算法等。為了跟上時代的步伐,必須對深度學習與神經網絡
    的頭像 發(fā)表于 01-11 10:51 ?1758次閱讀
    詳解<b class='flag-5'>深度</b><b class='flag-5'>學習</b>、神經網絡與卷積神經網絡的應用

    深度學習在人工智能中的 8 種常見應用

    深度學習簡介深度學習是人工智能(AI)的一個分支,它教神經網絡學習和推理。近年來,它解決復雜問題
    的頭像 發(fā)表于 12-01 08:27 ?3112次閱讀
    <b class='flag-5'>深度</b><b class='flag-5'>學習</b>在人工智能中的 8 種常見應用

    深度學習技術AI智能分析盒子人數(shù)統(tǒng)計中的應用與優(yōu)勢

    AI盒子的人數(shù)統(tǒng)計中,當多人同時出入視野范圍時,傳統(tǒng)的算法模型很難準確識別和計算人數(shù),容易導致重復統(tǒng)計。為解決這一難題,AI算法模型可以采用目標檢測與追蹤相結合、深度學習
    的頭像 發(fā)表于 11-29 09:07 ?459次閱讀

    深度學習技術與邊緣學習技術的不同之處

    如今,AI技術的廣泛應用已經成為推動制造和物流領域自動化的核心驅動力??的鸵曀瞥龅?b class='flag-5'>深度學習和邊緣學習
    的頭像 發(fā)表于 11-17 10:44 ?517次閱讀