Nová studie prezentovaná na mezinárodní soutěži AutoPET odhalila, že algoritmy hlubokého učení dokážou lépe detekovat umístění a velikost nádorů.
Zobrazovací techniky pozitronové emisní tomografie (PET) a počítačové tomografie (CT) mohou úspěšně identifikovat rakovinu, uvedli odborníci.
PET skeny vytvářejí podrobné 3-rozměrné obrazy vnitřku těla pomocí radionuklidů k vizualizaci metabolických procesů.
Obrázky mohou jasně ukázat vyšetřovanou část těla, včetně jakýchkoli abnormálních oblastí, a mohou zdůraznit, jak dobře fungují určité funkce těla.
CT sken je test, který také pořizuje detailní snímky vnitřku vašeho těla vrstvu po vrstvě pomocí rentgenové trubice k vizualizaci anatomie a lokalizaci nádorů. Obvykle se používá k diagnostice stavů nebo kontrole, jak dobře léčba funguje.
PET skeny jsou často kombinovány s CT skeny, aby se vytvořily ještě podrobnější snímky. Toto je známé jako PET-CT sken.
Aby lékaři určili velikost rakovinných nádorových lézí, musí ručně označit 2D obrazy řezů – úkol, který je extrémně časově náročný.
Profesor Rainer Stiefelhagen řekl: „Automatické vyhodnocení pomocí algoritmu by ušetřilo obrovské množství času a zlepšilo výsledky.“
Vědci z Karlsruher Institut für Technologie zjistili, že automatizovaná analýza lékařských obrazových dat by mohla změnit péči o rakovinu.
Autoři uvedli: „Soubor nejlépe hodnocených algoritmů se ukázal být lepší než jednotlivé algoritmy. Soubor algoritmů je schopen účinně a přesně detekovat nádorové léze.“
Profesor Stiefelhagen uzavřel: „Zatímco výkon algoritmů při vyhodnocování obrazových dat skutečně částečně závisí na množství a kvalitě dat, návrh algoritmu je dalším zásadním faktorem, například s ohledem na rozhodnutí učiněná při následném zpracování dat. předpokládaná segmentace.“
Zdroj: diabetes.co.uk
