Revolucionarna AI tehnika otkriva rak mozga primjenom detekcije kamuflaže.
Brief news summary
Studija koju je sproveo Arash Yazdanbakhsh na Bostonskom univerzitetu, objavljena u časopisu Biology Methods & Protocols, predstavlja inovativnu upotrebu objašnjive umjetne inteligencije (XAI) za identifikaciju raka mozga. Istraživači su preusmjerili algoritam, prvobitno osmišljen za otkrivanje kamufliranih životinja, kako bi primijenili transferno učenje za treniranje AI modela za otkrivanje tumora na MRI snimcima. Ova nova metoda efikasno razlikuje tumore mozga u ovim snimcima. Globalno, rak mozga i centralnog nervnog sistema uzrokovao je preko 321.000 novih slučajeva i 248.500 smrtnih slučajeva u 2022. godini. U SAD-u se godišnje pojavi oko 90.000 novih slučajeva tumora mozga, od čega je 25.200 malignih. Glioblastom, najčešći primarni maligni tumor mozga, ima prosječnu stopu preživljavanja od samo osam mjeseci. Studija je predstavila modele T1Net i T2Net, obučene na MRI snimcima težine T1 i T2. Posebno je model T2Net postigao tačnost od 92,2% u klasifikaciji MRI snimaka, nadmašujući modele bez transfernog učenja. Ova tačnost pomaže vizualizaciji karakteristika tumora, razlikujući kancerogena i nekancerogena stanja. Ovaj proboj značajno unapređuje AI u medicinskoj dijagnostici, poboljšavajući neinvazivno otkrivanje raka i podržavajući kliničke odluke.Nova studija u časopisu *Biology Methods & Protocols* otkriva kako integracija objašnjive umjetne inteligencije (XAI) s algoritmom za detekciju zakamufliranih životinja može pomoći u identifikaciji raka ljudskog mozga, spajajući oblasti neuroznanosti i onkologije. Pod vodstvom dr. Arasha Yazdanbakhsha i njegovog tima sa Univerziteta u Bostonu, istraživanje je prvo koje primjenjuje transfer učenja kamuflaže životinja na obuku dubokih neuronskih mreža za detekciju tumora. Rakovi mozga širom svijeta činili su preko 321. 000 novih slučajeva i 248. 500 smrtnih ishoda u 2022. godini, prema podacima Svjetske zdravstvene organizacije. U SAD-u se godišnje dijagnosticira otprilike 90. 000 moždanih tumora, od kojih je oko 25. 200 malignih.
Glioblastom, najsmrtonosnija vrsta raka mozga, čini 50% svih primarnih malignih tumora u SAD-u, predstavljajući ozbiljne izazove za preživljavanje. Primarni tumori mozga mogu nastati u mozgu (glijalni tumori i gliomi) i razlikuju se od metastatskih. Mozak sadrži neurone i gliju, pri čemu glija čini oko 50% centralnog nervnog sistema, ključnog za njegovo formiranje i funkciju. Ova studija jedinstveno koristi AI obučenu da detektuje kamuflirane životinje kako bi identificirala tumore mozga na MRI skenovima, povlačeći paralele između kancerogenih ćelija i kamuflaže. AI mreža, prvobitno dizajnirana za uočavanje skrivenih životinja, prilagođena je za klasifikaciju T1-weighted i T2-weighted MRI slika korištenjem dva modela: T1Net i T2Net, precizno određujući različite regije mozga. Istraživači su iskoristili vizualizaciju karakteristika, mapiranje salijencije slike i karakteristike AI modela kako bi poboljšali tačnost detekcije tumora. Podaci o gliomima pretežno su dolazili iz Cancer Imaging Archive i Kaggle baza podataka, dok su normalni MRI podaci služili kao kontrola. AI modeli su postigli gotovo savršene tačnosti, a transfer učenje je značajno poboljšalo performanse T2Net modela na astrocytomima do 92. 2% tačnosti. Kvalitativne XAI metode omogućile su vizualizaciju procesa obuke AI i donošenja odluka, ističući potencijalne karakteristike raznih tipova tumora. Ovaj napredak u AI dubokom učenju nudi potencijal kao neinvazivni alat za medicinske profesionalce da razlikuju kancerogene od nekancerogenih tumora mozga, doprinoseći budućim kliničkim primjenama.
Watch video about
Revolucionarna AI tehnika otkriva rak mozga primjenom detekcije kamuflaže.
Try our premium solution and start getting clients — at no cost to you
