医学成像
基于深入的学习的图像分析有助于自动化寻找生物异常
![各种骨折x线医学影像](http://m.czl106.com/library/media/industry/life-sciences/medical-imaging.jpg?sc_lang=en&h=250&w=350&la=en&hash=FF3C0CB5CE4ACF36478EC3DD82F2A4C4)
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。由于令人困惑的背景或图像质量问题,它可能是耗时且难以为精确定位的对象或感兴趣区域。自动化系统必须成功识别感兴趣区域,同时忽略无关的功能。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。