استفاده موفق از هوش مصنوعی در رادیولوژی برای ثبت دقیقترین تصاویر
تاریخ انتشار: ۱ فروردین ۱۴۰۲ | کد خبر: ۳۷۳۷۲۴۹۳
مقاله جدیدی که در مجله تحقیقات اینترنت پزشکی منتشر شده است، توضیح میدهد که چگونه مدلهای مولد مانند DALL-E ۲، یک مدل یادگیری عمیق جدید برای تولید متن به تصویر، میتواند ابزار آینده امیدوارکنندهای را برای تولید تصویر، تقویت و دستکاری در تصویر نشان دهد. آیا مدلهای مولد دانش کافی در حوزه پزشکی برای ارائه نتایج دقیق و مفید دارند؟ دکتر لیزا سی آدامز و همکارانش این موضوع را در آخرین دیدگاه خود با عنوان "DALL-E ۲ درباره رادیولوژی بررسی کرده و شرح دادهاند.
بیشتر بخوانید:
اخباری که در وبسایت منتشر نمیشوند!
DALL-E ۲ برای اولین بار توسط OpenAI در آوریل ۲۰۲۲ معرفی شد، یک ابزار هوش مصنوعی (AI) است که برای تولید تصاویر واقعی یا آثار هنری بر اساس ورودی متن محبوبیت پیدا کرده است. قابلیتهای تولیدی DALL-E ۲ بسیار قدرتمند است، زیرا بر روی میلیاردها جفت متن-تصویر موجود در اینترنت آموزش داده شده است.
برای درک اینکه آیا میتوان این قابلیتها را برای ایجاد یا تقویت دادهها به حوزه پزشکی منتقل کرد یا خیر، محققان آلمانی و آمریکایی دانش رادیولوژی DALL-E ۲ را در ایجاد و دستکاری اشعه ایکس، توموگرافی کامپیوتری (CT)، تصویربرداری تشدید مغناطیسی MRI) و تصاویر سونوگرافی بررسی کردند.
محققان دریافتند DALL-E ۲ نمایشهای مرتبط با تصاویر اشعه ایکس را آموخته است و پتانسیل امیدوارکنندهای را برای تولید متن به تصویر نشان میدهد. به طور خاص، DALL-E ۲ میتوانست تصاویر واقعی اشعه ایکس را بر اساس اعلانهای متنی کوتاه ایجاد کند، اما زمانی که درخواستهای تصویر CT، MRI یا اولتراسوند خاص داده میشد، عملکرد چندان خوبی نداشت؛ اما قادر به بازسازی معقول جنبههای مغفول در یک تصویر رادیولوژیکی بود. برای مثال با استفاده از تنها یک تصویر از زانو به عنوان نقطه شروع، یک رادیوگرافی کامل و تمام بدن ایجاد کند. با این حال DALL-E ۲ در تواناییهای خود برای تولید تصاویر با ناهنجاریهای پاتولوژیک محدود بود.
دادههای مصنوعی تولید شده توسط DALL-E ۲ میتواند توسعه ابزارهای یادگیری عمیق جدید برای رادیولوژی را تا حد زیادی تسریع کند، همچنین نگرانیهای مربوط به حفظ حریم خصوصی مربوط به اشتراک گذاری دادهها بین موسسات را برطرف کند. محققان همپنین خاطرنشان میکنند که تصاویر تولید شده باید توسط کارشناسان حوزه تحت کنترل کیفیت قرار گیرند تا خطر ورود اطلاعات نادرست به مجموعه دادههای تولید شده کاهش یابد. آنها همچنین بر نیاز به تحقیقات بیشتر برای تنظیم دقیق این مدلها با دادههای پزشکی و ترکیب اصطلاحات پزشکی برای ایجاد مدلهای قدرتمند برای تولید و تقویت دادهها در تحقیقات رادیولوژی تاکید میکنند.
اگرچه DALL-E ۲ برای تنظیم دقیق در دسترس عموم نیست، مدلهای تولیدی دیگری مانند Stable Diffusion در دسترس هستند که میتوانند برای تولید انواع تصاویر پزشکی تطبیق داده شوند.
به طور کلی این دیدگاه چشم انداز امیدوارکنندهای را برای آینده تولید تصویر هوش مصنوعی در رادیولوژی ارائه میدهد. تحقیق و توسعه بیشتر در این زمینه میتواند به ابزارهای جدید هیجان انگیز برای رادیولوژیستها و متخصصان پزشکی منجر شود.
منبع: medicalxpress
باشگاه خبرنگاران جوان علمی پزشکی فناوریمنبع: باشگاه خبرنگاران
کلیدواژه: هوش مصنوعی رادیولوژی برای تولید داده ها مدل ها
درخواست حذف خبر:
«خبربان» یک خبرخوان هوشمند و خودکار است و این خبر را بهطور اتوماتیک از وبسایت www.yjc.ir دریافت کردهاست، لذا منبع این خبر، وبسایت «باشگاه خبرنگاران» بوده و سایت «خبربان» مسئولیتی در قبال محتوای آن ندارد. چنانچه درخواست حذف این خبر را دارید، کد ۳۷۳۷۲۴۹۳ را به همراه موضوع به شماره ۱۰۰۰۱۵۷۰ پیامک فرمایید. لطفاً در صورتیکه در مورد این خبر، نظر یا سئوالی دارید، با منبع خبر (اینجا) ارتباط برقرار نمایید.
با استناد به ماده ۷۴ قانون تجارت الکترونیک مصوب ۱۳۸۲/۱۰/۱۷ مجلس شورای اسلامی و با عنایت به اینکه سایت «خبربان» مصداق بستر مبادلات الکترونیکی متنی، صوتی و تصویر است، مسئولیت نقض حقوق تصریح شده مولفان در قانون فوق از قبیل تکثیر، اجرا و توزیع و یا هر گونه محتوی خلاف قوانین کشور ایران بر عهده منبع خبر و کاربران است.
خبر بعدی:
غذای پزشکی تولید شد
به گزارش خبرگزاری علم و فناوری آنا، اصغر خسروشاهی اصل در توضیح طرح پژوهشی خود با عنوان «تهیه و تعیین ویژگی امول ژلهای خوراکی حامل لیپاز پانکراسی» گفت: موضوع تحقیق یکی از نیازهای جامعه است که در بیماری نارسایی پانکراس کاربرد دارد؛ چرا که در این بیماری، پانکراس به تدریج توانایی تولی آنزیمهای پانکراتیک را از دست میدهد. در این صورت جذب چربی و پروتئین مختل میشود.
خسروشاهی افزود: لیپاز پانکراس یکی از آنزیمهای بسیار مهم برای هضم چربیها است و از ناپایدارترین آنزیمهای پانکراتیک به شمار میرود. مهمترین مشکل افرادی که نارسایی پانکراس دارند، کمبود یا فقدان آنزیم لیپاز است.
این پژوهشگر حوزه سلامت بیان کرد: کمبود هضم لیپولیتیک پانکراسی غیر قابل جبران است و چون منبع عمده انرژی چربی است احتمال سوء تغذیه افزایش پیدا میکند و به دنبال آن فقر ویتامین و ریزمغذیها ایجاد میشود. همین امر موجب نارسایی پانکراس آنزیم لیپاز به بدن میشود.
وی افزود: با توجه به اینکه، ژلان قادر به تشکیل هیدروژلهای وابسته به دما و مقاوم به اسید است؛ میتوان از آن در تهیه غذاهای پزشکی که داروی مورد نظر را از معده به سلامت عبور میدهند استفاده کرد.
این دانش آموخته دکتری تخصصی علوم و صنایع غذایی دانشگاه Reading انگلستان در ادامه به تعریف غذاهای پزشکی پرداخت و گفت: غذاهای پزشکی، نسل جدیدی از غذاها هستند که با غذاهای متداول و نیز غذاهای فراسودمند متفاوتند و هدف از تهیه و مصرف این دسته از غذاها کمک به درمان بیماران است.
وی تصریح کرد: با توجه به اینکه ژلان قادر به تشکیل هیدروژلهای وابسته به دما و مقاوم به اسید است، میتوان در تهیه غذاهای پزشکی از آن استفاده کرد تا داروی مورد نظر را از معده به سلامت عبور دهند.
انتهای پیام/