Malalim na Pag-aaral Para sa Pinahusay na Pagsubaybayan ng Kanser sa Suso Gamit ang isang Portable Ultrasound Scanner

Halos 1 sa 8 kababaihan ng E.U. ang magkakaroon ng nagsasalakay na kanser sa suso habang nabubuhay sila.

Malalim na Pag-aaral Para sa Pinahusay na Pagsubaybayan ng Kanser sa Suso Gamit ang isang Portable Ultrasound Scanner 1

Ito ang pangalawang nangungunang sanhi ng pagkamatay ng kanser para sa mga kababaihan sa U. S. Ang ultrasound imaging ay isang diskarteng medikal na imaging na ginamit para sa pag-screen ng cancer sa suso.

Sa Insight, nagtrabaho ako sa isang proyekto sa pagkonsulta sa isang lokal na kumpanya ng pagsisimula na bumuo ng isang awtomatiko, portable, at masusuot na ultrasound imaging platform na pinapayagan ang mga gumagamit na magsagawa ng sariling pagsubaybay sa kalusugan sa suso. Ang layunin ng proyekto ay ang awtomatikong makita ang mga malignant sugat sa mga imahe ng ultrasound. Sa blog na ito, inilalarawan ni Ill kung paano gumagamit ng segmentasyon ng proyektong ito upang makita ang mga sugat sa isang imahe, at pag-uuri upang makita kung ang mga sugat na iyon ay banayad o malignant.

Ang paunang pagproseso ng data Para sa gawain ng segmentasyon, ang mga radiologist ay iginuhit ang mga contour sa paligid ng mga sugat sa 240 pares ng mga hilaw na imahe. Ang mga rehiyon sa loob ng contour ay na-highlight sa mga imahe ng maskara (tingnan ang imahe sa itaas). Para sa gawain sa pag-uuri, mayroon akong halos balanseng impormasyon para sa mabuti at malignant na mga kaso.

Bago gamitin ang hilaw na data para sa pagsasanay, sila ay paunang naproseso tulad ng ipinakita sa sumusunod na pigura. Ang mga hilaw na imahe ay sinala upang sugpuin ang ingay, pagkatapos ay pinahusay ang kaibahan sa mga imahe. Dahil ang dataset ay maliit, ang pagpapalaki ay ginanap sa mga imahe, tulad ng pahalang na paglipat ng imahe, pag-ikot at iba pang mga pagpapapangit.

Malalim na Pag-aaral Para sa Pinahusay na Pagsubaybayan ng Kanser sa Suso Gamit ang isang Portable Ultrasound Scanner 2

Sa wakas, ang mga imahe ay na-crop sa parehong laki. Sapagkat ang ilang mga pasyente ay may maraming mga imahe sa dataset, ang data ay pinaghiwalay, ng pasyente, sa tatlong bahagi: pagsasanay (80%), pagpapatunay (10%), at pagsubok (10%). (AWS) Mga pagkakataon ng EC2.

Ang pag-andar ng pagkawala na ginamit ay isinalarawan sa pigura sa ibaba, na may A na kumakatawan sa lupang katotohanan (manwal na may label na maskara) at B na kumakatawan sa modelo na nabuo ng maskara. Kung ang maskara mula sa modelo ay ganap na off, kung gayon ang intersection / unyon ratio ay 0 Kung ang mga ito ay ganap na nagsasapawan, kung gayon ang ratio ay 1.

Ang nagresultang imahe (sa ibaba) ay nagpapakita ng lupang katotohanan sa asul, na may pulang contour na nabuo ng modelo. Ang balangkas ng kahon sa ibaba ay nagpapakita ng isang buod ng mga resulta ng pagsubok. Ang average na ratio ng intersection / unyon ay 0

74, na nangangahulugang, sa average, mayroong 74% na overlap sa pagitan ng target na maskara at ng ating output ng hula. Ang ratio ng baseline ay 0.06, at kinakalkula sa pamamagitan ng pag-aakalang ang modelo ay sapalaran lamang na hulaan.

Sa kasong ito, ang intersection ay kalahati ng laki ng average na laki ng mask, at ang unyon ay kalahati ng laki ng buong imahe. Pag-uuri Kapag binabasa ng isang radiologist ang isang imahe ng ultrasound, una niyang kinilala ang rehiyon ng sugat sa imahe, pagkatapos ay tinitingnan ang parehong rehiyon ng sugat at mga nakapaligid na rehiyon para sa iba't ibang mga uri ng tampok upang makagawa ng desisyon. Dito, nagtayo kami ng isang modelo upang gayahin ang prosesong ito.

Ang arkitektura ng modelo para sa pag-uuri ay ipinapakita sa sumusunod na pigura. Dahil walang magagamit na maskara sa ibinigay na dataset ng pag-uuri, ang mga maskara ay nabuo gamit ang modelo sa nakaraang hakbang ng segmentasyon. Ang mga hilaw na imahe ay naipasa sa mga convolutional layer upang ang modelo ay maaaring matuto ng isang hanay ng mga filter upang kumuha ng mga tampok.

Ang maskara ay nagbigay ng rehiyon ng interes at, pagkatapos, dumaan ito sa mga convolutional layer na may parehong bilang ng mga filter tulad ng sangay ng imahe. Para sa bawat filter sa sangay ng imahe, mayroong isang kaukulang filter sa sangay ng maskara. Ang ilang mga filter sa sangay ng imahe ay mahalaga sa pagkuha ng mga tampok mula sa rehiyon ng sugat, habang ang iba ay mahalaga sa pagkuha ng mga tampok mula sa background na rehiyon ng imahe.

Ang mga filter sa sangay ng mask ay maaaring sanayin upang timbangin ang dalawang rehiyon na ito nang magkakaiba para sa mga tampok na natutunan sa sangay ng imahe. Ang dalawang piraso ng impormasyon na ito ay pinagsama at pinakain sa mga convolutional layer, pagkatapos ay ganap na konektado na mga layer, upang makabuo ng mga resulta. Upang makita kung ano ang natutunan ng modelo pagkatapos ng pagsasanay, pinakain namin ito ng isang nakapirming maskara at isang blangkong imahe na may puting ingay, tulad ng ipinakita sa sumusunod na pigura.

Upang makabuo ng isang imahe na kumakatawan sa mga malignant na tampok na natutunan, hinayaan namin ang modelo na baguhin ang blangkong imahe upang ang posibilidad ng malignancy ay ma-maximize (hanggang halos 1). Ang sumusunod na pigura ay nagpapakita ng dalawang halimbawa ng nabuo na mga imahe mula sa modelo. Mula sa mga imaheng ito, maaari naming obserbahan ang ilang mga bagay: Parehong rehiyon ng sugat at kalapit na rehiyon ay nag-aambag sa pag-uuri.

Ang mga rehiyon ng sugat ay mas mahalaga, dahil ang karamihan sa mga tampok ay nakatuon sa loob ng mga rehiyon na ito. Makikita natin na ang modelo ay naghanap ng iba't ibang mga tampok para sa dalawang rehiyon na ito. Ipinapakita nito na ang modelo ay talagang natutunan kung saan at kung ano ang hahanapin sa mga imahe.

Ang mga resulta ng dataset ng pagsubok ay ipinapakita sa sumusunod na matrix ng pagkalito. Ang modelo ay na-optimize para sa pagpapabalik upang mabawasan ang maling negatibo. Ang kawastuhan ng pagsubok ng modelo ay 0

79 at ang pagpapabalik ay 0.85 sa data ng pagsubok. Discussion Sa proyektong ito, gumamit ako ng malalim na mga diskarte sa pag-aaral upang awtomatikong makita ang mga rehiyon ng sugat at uriin ang sugat, na maaaring magkaroon ng parehong mga benepisyo sa gastos at pag-save ng oras.

Sa kasalukuyan, ang mga pasyente ay dapat gumawa ng mga appointment sa mga tekniko ng ultrasound at manggagamot, na kapwa gumugugol ng oras at magastos. Upang mabawasan ang gastos, ang pagsasama ng aparato at mode ay maaaring mabawasan ang proseso ng manu-manong kasangkot. Ang isang pagtatantya ng pagbawas sa proseso ng manu-mano ay maaaring magbigay ng isang dami na naihatid para sa proyektong ito.

Ang equation na ginamit upang tantyahin ang proseso ng manu-mano ay ipinapakita sa mga sumusunod: Ang positibong rate ng klase ay ang pagkalat ng cancer sa suso, na humigit-kumulang 12%. Ang pagpapabalik ay maaaring maitakda sa 1 sa pamamagitan ng pag-aayos ng threshold ng modelo. Dahil ang rate ng klase sa pagsasanay ay naiiba kaysa sa rate ng pagkalat, ang katumpakan mula sa modelo ay naayos.

Ang tinatayang porsyento ay tungkol sa 26%, na nangangahulugang ang pagsasama ng aparato at modelo ay maaaring mabawasan ang 74% ng gastos para sa mga gumagamit. Mga konklusyon Ang malalim na modelo ng pag-aaral na binuo sa proyektong ito ay maaaring awtomatikong makita ang mga sugat sa mga imahe ng ultrasound. Sa pamamagitan ng pagsasama-sama ng modelo sa portable scanner, maaari itong makagawa ng mga paulit-ulit na imahe at payagan ang mga gumagamit na subaybayan ang kanilang mga pagbabago sa kalusugan sa paglipas ng panahon, batay sa kanilang sariling baseline, para sa tamang diagnosis sa tamang oras.

Si Qin Miao ay isang Insight Health Data Science Fellow noong 2019. Nagtataglay siya ng PhD sa bioengineering. Sa Insight, nagtayo siya ng malalim na mga modelo ng pag-aaral na maaaring awtomatikong makita ang mga sugat sa mga imahe ng ultrasound.

Interesado ka bang magtrabaho sa mga proyekto na may mataas na epekto at paglipat sa isang karera sa data? Mag-sign upang malaman ang higit pa tungkol sa mga programa ng Insight Fellows at simulan ang iyong aplikasyon ngayon

Makipag-ugnay sa amin
Rekumendadong mga artikulo
Kaso Info Center AI Blog
LiveStream | Ang bagong na-upgrade na portable X-ray machine ay ilulunsad sa lalong madaling panahon | MeCan Medical
LiveStream | Ang bagong na-upgrade na portable X-ray machine ay ilulunsad sa lalong madaling panahon | MeCan Medical
Sado 3 pm noong ika-7 ng Disyembre , ipapakita namin sa iyo ang pinakabago na-upgrade portable X-ray machine ! Ilang uri ng X-ray machine ang maaari nating ibigay? Ano ang mga pakinabang ng aming X-ray machine? Ano ang configuration ng aming X-ray machine? May pabrika ba tayo? Anong configuration ang dapat magkaroon ng magandang X-ray machine? Lahat ng tanong na mahalaga sa iyo, sasagutin ka namin sa ika-3 ng hapon sa ika-7 ng Disyembre, at ipapakita rin namin ang mga pakinabang at katangian ng X-ray machine Kung interesado ka, mangyaring i-click ang link upang mag-book ng live na broadcast: https://fb.me/e/34zt7Tkru Siyanga pala, i-click ang link para malaman ang higit pang impormasyon tungkol sa X-Ray Machines: https://www.medicalxraymachine.com/digital-radiography/portable-dr/portable-dr-x-ray-system-with-li-battery.html Mga Tampokan 1. Malawak na hanay ng AC input na may pinagsamang APFC. 2. Soft switching technology, ang dalas ng paglipat ay hanggang 200KHz. 3. Suportahan ang 5.6kW at 320mAs na pagkakalantad. 4. Suportahan ang malayuang monitor na may pinagsamang wireless na komunikasyon. 5. Malaking kapasidad na baterya pack, Pagkamit ng panlabas na tuluy-tuloy na oras ng pagtatrabaho na 8 oras. 6. Power density hanggang 275W/L. 7. Mataas na antas ng software intelligence:filament automatic calibration, dual-filament automatic selection at kumpletong fault diagnosis. 8. Ang panel ng operator ay pinaghiwalay bilang tao at beterinaryo ayon sa magkaibang layunin.
LiveStream | Smart & Affordable infusion pump at syringe pump | MeCan Medical
LiveStream | Smart & Affordable infusion pump at syringe pump | MeCan Medical
Alam mo ba kung anong kagamitan ang makakatulong sa mga doktor na mas mahusay na makontrol ang paghahatid ng mga likido sa mga pasyente? Oo, ang mga ito ay infusion pump at syringe pump! Uso ika-28 ng Setyembre sa 3:00 ng hapon sa China , magkakaroon tayo ng live broadcast sa mga infusion pump at syringe pump sa Facebook, malugod na panoorin ito. Clikat sa link sa libron LiveStream : Https://fb.me/e/2ancouy47 Para sa karagdagang detalyo Mga Infusion Pumps : https://www.mecanmedical.com/products-detail-107637 Para sa karagdagang detalyo Syringe Pumps : https://www.mecanmedical.com/products-detail-108811 Mga Katangian ng Atin Mga Infusion Pumps : 1. magkakaibang uri ng tagapagpahiwatig 2.3.5 pulgadang LCD screen para sa malinaw na paningin sa loob ng 5 metro 3. One-button night mode na disenyo para sa mas komportableng restatnight ng pasyente 4.User friendly na numeric setting key 5.Finger-tip peristaltic pump na may down-stream free-flow protect 6.Pll & Push hook na disenyo para sa mas madaling pagbukas at pagsasara ng pinto Mga Katangian ng Atin Syringe Pumps : 1.3.5 pulgadang LCD screen para sa malinaw na paningin sa loob ng 5 metro 2. One-button night mode na disenyo para sa mas komportableng restatnight ng pasyente 3.User friendly na numeric setting key 4.Pl & Push hook na disenyo para sa mas madaling pagbukas at pagsasara ng pinto 5.Finger-tip peristaltic pump na may down-stream free-flow protect 6. Sinusuportahan ng base ng pumpa
Walang data
One-stop medic & Tagapagtustos ng kagamitan sa laboratoryo, nakatuon sa mga kagamitan sa medikal na higit sa 10 taan
Makipag-ugnay sa aming

Kung mayroon kang a Tanong, Mangyaring makipag-ugnay sa pakikipag-ugnayan  info@mecanmedical.com

+86 020 8483 5259
Walang data
Copyright©2021 Guangzhou MeCan Medical Limiteds  | Sitemap
makipag -chat online
contact customer service
whatsapp
Kanselahin