Рада ухвалила закон про мобілізацію: що змінюється для українців
Долар 41.54 ₴ (+0.12), євро 44.98 ₴ (-0.05)
Кременчук: +18°C, ясно. Увечері до +12°C.
День працівників соціальної сфери. Всесвітній день сміху.
Сьогодні святкують: Максим, Віктор, Тамара
Овен: Хороший день для нових починань. Зірки сприяють ініціативі.
2004 — Кіпр, Чехія та 8 інших країн вступили до Євросоюзу
Паливо знову подорожчало: А-95 переступив психологічну межу
Apple iPhone 17 Air: все що відомо про найтоншу модель
Сегментація регіонів інтересу в медичних зображеннях є важливим кроком у багатьох клінічних дослідженнях. Проте, цей процес часто займає багато часу, особливо коли потрібно вручну окреслювати складні
Сегментація регіонів інтересу в медичних зображеннях є важливим кроком у багатьох клінічних дослідженнях. Проте, цей процес часто займає багато часу, особливо коли потрібно вручну окреслювати складні структури. Дослідники MIT розробили нову AI-систему, яка дозволяє швидко сегментувати медичні зображення за допомогою простих взаємодій, таких як кліки та малювання.
Нова система використовує взаємодії користувача для прогнозування сегментацій, і з кожним новим зображенням кількість необхідних дій зменшується до нуля. Це можливо завдяки тому, що архітектура моделі використовує вже сегментовані зображення для створення нових передбачень, що робить процес ефективнішим порівняно з іншими моделями.
Інтерактивний інструмент не потребує попередньо сегментованих наборів даних для навчання, що знижує потребу в машинному навчанні та потужних обчислювальних ресурсах. Це відкриває нові можливості для клінічних досліджень, скорочуючи витрати та час на проведення медичних досліджень.
Завдяки новій системі, дослідники можуть швидше досягати високої точності сегментації з меншою кількістю взаємодій. Наприклад, для деяких типів зображень, таких як рентгенівські, достатньо сегментації лише декількох зображень, щоб модель почала автоматично робити точні передбачення.
Команда MIT планує протестувати систему в реальних умовах з клінічними партнерами та вдосконалити її на основі відгуків користувачів, а також розширити можливості для сегментації тривимірних зображень. Це дослідження підтримується Quanta Computer, Inc. та Національним інститутом здоров'я.
Без спаму. Лише топ-матеріали Gosta. Відписатись в один клік.