L’analisi di immagini mediche è la prossima frontiera per il deep learning

L’imaging medico, che comprende la radiografia, gli ultrasuoni e la risonanza magnetica, ha sempre richiesto la flessibilità dell’occhio umano per il rilevamento delle anomalie. Questo anche perché, normalmente, i computer sono confusi da sfondi affollati e problemi di qualità dell’immagine, quali i riflessi speculari. Tuttavia, oggi, l’analisi delle immagini basata sul deep learning può automatizzare la ricerca di anomalie biologiche in modo affidabile e ripetibile.

Le caratteristiche delle immagini mediche rendono incredibilmente difficile per gli algoritmi di visione artificiale tradizionali individuare con precisione un oggetto o una regione di interesse, in particolare per identificare le anomalie in una scena non strutturata. Per un sistema automatizzato può essere dispendioso in termini di tempo e difficile, se non impossibile, identificare correttamente la regione di interesse ignorando le caratteristiche non pertinenti.

Oggi il deep learning sta cambiando il lavoro del radiologo, che ora può trarre vantaggio da una diagnosi assistita da computer per l’imaging medico. Che si tratti di cercare un’anomalia specifica, come un tumore o qualsiasi deviazione dall’aspetto normale del corpo, il Cognex ViDi combina la flessibilità dell’occhio di uno specialista umano con la velocità e la robustezza di un sistema computerizzato. In particolare, due strumenti specializzati aiutano questo processo: il ViDi Blue-Locate individua la regione di interesse, come un certo organo, anche quando lo sfondo è visivamente confuso o scarsamente contrastato. Lo strumento ViDi Red-Analyse utilizza una serie di immagini di training per sviluppare un modello di riferimento del normale aspetto di quell’organo, nonché specifici tipi di anomalie, in modo che possa contrassegnare come anomale eventuali forme che si discostano dalla normale fisiologia della zona bersaglio.

Alcuni esempi interessanti includono l’uso di strumenti basati sul deep learning per localizzare e identificare organi o impianti in una radiografia. Lo strumento Blue-Locate di Cognex ViDi è in grado di localizzare un organo specifico apprendendo le sue caratteristiche distintive. Per addestrare lo strumento Blue-Locate, tutto ciò che è necessario è fornire le immagini in cui sono contrassegnate le caratteristiche target. Allo stesso modo, strumenti di rilevamento e segmentazione dei difetti basati sul deep learning, come il ViDi Red-Analyse, possono aiutare a identificare anomalie nell’immagine medica. Il ViDi Red-Analyse sviluppa dei modelli di riferimento sia dell’aspetto normale di un organo che di anomalie specifiche, basandosi su una serie di immagini di esempio. Eventuali anomalie che si allontanano dalla normale fisiologia della zona interessata sono segnalate al radiologo, ottenendo così una diagnosi automatica assistita.

, ,
Articolo precedente
Concretizzare un progetto di deep learning
Articolo successivo
Che cosa ci insegna AlphaGo sull’automazione industriale basata su deep learning
Menu