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需要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，精确定位感兴趣的对象或区域可能非常耗时且困难。自动化系统必须成功地识别出感兴趣的区域，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放射x射线、超声波和核磁共振中的生物异常。

无论是搜索特定的异常还是任何偏离身体正常外观的情况，康耐视深度学习都将人类检查员的灵活性与计算机系统的速度和稳健性相结合。定位工具通过学习该区域的显著特征来识别感兴趣的区域(例如某个器官)，尽管视觉上令人困惑，背景对比也很差。缺陷检测工具基于一组样本图像的训练，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，由放射科专家进行CAD计算机辅助诊断。