医学成像
深学习型图像分析有助于自动化生物异常搜索
![医学成像](http://m.czl106.com/library/media/industry/life-sciences/medical-imaging.jpg?sc_lang=en-pl&h=250&w=350&la=en-PL&hash=A24C641BF8A441CBF178A595272ED7C3)
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化场景进行定性决策的能力。它可以是耗时且难以定位的精确感兴趣的对象或区域由于无论是混淆的背景或图像质量的问题。自动化系统必须成功地识别感兴趣的区域,而忽略不相关特征。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NMR中的生物异常。
无论是搜索一个特定的异常情况还是任何偏离身体正常外观的情况,Cognex深度学习将人类检查员的灵活性与计算机系统的速度和健壮性相结合。定位工具可以识别感兴趣的区域(例如某个器官),尽管背景在视觉上令人困惑,对比度差,但通过学习该区域的区别特征。缺陷检测工具基于对一组样本图像的训练,开发出一个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。