医学成像

基于深度学习的图像分析有助于自动搜索生物异常

医学成像分析传统上要求人类检查员的灵活性和对非结构化场景做出定性决策的能力。由于令人困惑的背景或图像质量问题，精确定位目标或感兴趣的区域可能是耗时且困难的。自动化系统必须成功识别感兴趣的区域，同时忽略不相关的特征。今天,基于深度学习的图像分析可以在放射x射线、超声波和nmr中自动搜索生物异常。

无论是寻找特定的异常还是任何与身体正常外观的偏差，康耐视深度学习都将人类检查员的灵活性与计算机化系统的速度和鲁棒性结合起来。定位工具通过学习该区域的特征来识别感兴趣的区域(例如某个器官)，尽管在视觉上令人困惑和对比差的背景下。缺陷检测工具根据一组样本图像进行训练，开发器官正常外观的参考模型，以及特定类型的异常。任何偏离目标区域正常生理的异常都被标记为缺陷，由专业放射科医生进行CAD计算机辅助诊断。