Süvaõppemudel kilpnäärmevähi histopatoloogia jaoks.
Ehitatud koos ülikoolihaiglaga: närvivõrk, mis klassifitseerib kilpnäärmevähi rakke histopatoloogia piltidelt, ruut ruudu haaval üle kogu preparaadi.
Näidiskäivitus ühel täispreparaadi pildil. Ruutude arvud on selle ühe pildi väljund, mitte mudeli täpsuse mõõt.
Tegime koostööd ülikoolihaiglaga, kes tõi kliinilised küsimused ja annoteeritud histopatoloogia andmed. Meie tõime masinõppe inseneritöö. Eesmärk oli mudel, mis suudaks tuvastada ja klassifitseerida kilpnäärmevähi rakke koepiltidel.
Sügav närvivõrk, ehitatud MATLAB-is, mis jagab iga preparaadi ruutude võrgustikuks, klassifitseerib iga ruudu hea- või pahaloomuliseks ja koondab ruudud preparaaditasandi lugemiks. Pahaloomulised piirkonnad märgitakse tagasi originaalpildile.
Mudel klassifitseerib täispreparaadi pilte ja annab preparaaditasandi hinnangu koos kaardistatud pahaloomuliste piirkondadega. Mõõdetud tulemuslikkus avaldatakse peagi ilmuvas teadusartiklis, mitte ei väideta siin.
See on sügavus, mille toome igasse valdkonda. Kui sedasama inseneritööd saab usaldada vähi histopatoloogias haiglakeskkonnas, seisavad süsteemid, mida ehitame kliinikutele, ehitusettevõtetele ja logistikale, tõsisel vundamendil.
Tulemusi valmistatakse ette avaldamiseks peagi ilmuvas teadusartiklis. Lisame lingi siia, kui artikkel ilmub.
Haiglapartnerile viitamine on lubatud; nimi jääb avaldamata kuni nimetamisloa saamiseni. See on teadustöö, mitte kliiniliseks kasutuseks heaks kiidetud diagnostikaseade; tulemusnäitajad avaldatakse koos artikliga.