医学影像
基于深度学习的图像分析有助于自动搜索生物异常
![各种骨折X线的医学成像](http://m.czl106.com/library/media/industry/life-sciences/medical-imaging.jpg?sc_lang=en-il&h=250&w=350&la=en-IL&hash=2800A9E7089E88D0B85962AA3C611744)
医学成像分析传统上需要人类检查员的灵活性,以及对非结构场景做出定性决定的能力。由于令人困惑的背景或图像质量问题,精确定位感兴趣的对象或区域可能非常耗时和困难。自动化系统必须成功地识别感兴趣的区域,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自动搜索x射线、超声波和nmr中的生物异常。
无论是寻找特定的异常还是身体正常外观的任何偏差,Cognex Deep Learning都将人类检查员的灵活性与计算机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显著特征来识别感兴趣区域(例如某个器官),尽管背景在视觉上令人困惑且对比度差。缺陷检测工具基于一组样本图像的训练,开发出器官正常外观以及特定类型异常的参考模型。任何偏离靶区正常生理学的异常都被标记为缺陷,由专家放射科医生进行CAD计算机辅助诊断。