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
![各种骨折x光片的医学影像](http://m.czl106.com/library/media/industry/life-sciences/medical-imaging.jpg?sc_lang=ru-ru&h=250&w=350&la=ru-RU&hash=C67F592DA5E84852990E9AE90682E6E9)
传统上,医学成像分析需要人工检查人员的灵活性,以及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和困难的。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在放射x射线、超声波和nmr中自动搜索生物异常。
无论是搜索特定的异常现象,还是身体正常外观的任何偏差,Cognex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健壮性相结合。定位工具通过学习该区域的区分特征来识别感兴趣的区域(例如,一个器官),尽管视觉混乱和对比度差的背景。基于对一组样本图像的训练,缺陷检测工具开发了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CAD计算机辅助诊断的缺陷,由专家放射科医生进行诊断。