Artefarita inteligenteco helpas taksi haŭtajn alergiajn testojn

Polaj sciencistoj havas SkinLogic-Solvo evoluigita, kiu ebligas pli efikajn haŭtajn alergiajn provojn kaj pli fidindajn rezultojn. La metodo uzas vidbendajn kaj termikajn fotilojn kaj sistemon kiu analizas la bildojn ĝis la lasta pikselo.

La aŭtoroj de la priskribita solvo estas specialistoj de la Fakultato de Elektroniko kaj Informa Teknologio de Varsovia Teknologia Universitato, la teamo de profesoro Jacek Stępień (firmao Milton Essex) kaj la Milita Medicina Instituto.

La klinikaj provoj donis tre bonajn rezultojn. La sistemo ĝuste identigas ĝis 98% de kazoj, eĉ maloftaj Alergioj. Krome, ĝi estas kun SkinLogic eblas detekti lezojn kun maksimuma diametro de 0,3 mm.

 Bildfonto: Pixabay

Evoluo kaj operacio de SkinLogic

Kiel indikite en gazetara komuniko de la Varsovia Teknologia Universitato (WUT), el IT-perspektivo, SkinLogic estas sistemo pri datumtraktado. La aparato konsistas el tripiedo kaj la fotiloj menciitaj komence. Dum la provoj, la mano de la paciento devas esti fiksita en la standon. La aparato faras bildojn kun videbla kaj infraruĝa lumo en certaj tempoj kaj registras kio okazas sur la haŭtaj fragmentoj traktitaj kun alergenoj. Post kiam la cifereca dokumentaro disponeblas, estas tempo redakti la PW algoritmo uzi.

Grave, kun la kutima mana metodo por mezuri alergiajn reagojn (vezikoj), la rezulto ne estas tute preciza. Tamen, uzante SkinLogic, la mezurado estas farita per la algoritmo. Krome, la sistemo kontrolas kaj la grandecon de la reago kaj aliajn parametrojn, kiel ekz. B. ilia formo. La bildo akirita kun la malproksima infraruĝa spektro estas utila por tio.

Analizo de cifereca materialo

Dum la analizo, la bildoj estas dividitaj en segmentojn respondajn al la loko de la incizoj sur la haŭto (ĉiu segmento povas esti ekzamenita aparte). Analizante la datumojn laŭlonge de la tempo, oni povas vidi kiel la segmento ŝanĝiĝis.

De kie venas la enigo-datumoj por la sistemo de artefarita inteligenteco? Ili uzis 1500 100 bildojn (rekordojn) de alergiaj haŭtaj reagoj, kiujn kuracistoj kolektis dum klinikaj provoj en XNUMX pacientoj. Ĉi tio permesis al la algoritmo lerni rekoni, kiu bildo reprezentas alergian reagon kaj kiu ne.

Kion ni ricevas de la fotilaj bildoj estas 100x100-pikselaj bildoj. Kuracisto ekzamenanta alergian veziketon havas nur la areon videbla al la nuda okulo. Ni ekzamenas ĉiun pikselon sur la bildoj. Oni povus diri, ke norma diagnozo baziĝas sur ununura valoro, dum la respondo provita de artefarita inteligenteco baziĝas sur milionoj da valoroj kaj agnoskitaj kombinaĵoj.", klarigas profesoro Robert Nowak, Estro de la Fako de artefarita inteligento. Estus ege malfacile por homo trovi ĉi tiujn ŝablonojn; a trejnita algoritmo faras ĉi tiun laboron rapide kaj estas tre preciza. Pli da datumoj signifas pli da bruo por forigi, sed la algoritmo ankaŭ povas trakti ĉi tiun problemon. Nia sistemo estis trejnita per aro da ŝablonoj evoluigitaj de medicina konsorcio, do ĝi havas altkvalitan fundamenton," aldonas la esploristo.

Plibonigita diagnozo kaj traktado-planado

La sistemo estas nuntempe testata kiel parto de la antaŭregistrado. Unufoje uzata en klinika praktiko, ĝi povas esti valorega helpo. Ĝi signifas pli rapide diagnozo, provizas pli precizajn rezultojn kaj permesas pli facilan konsulton kun aliaj specialistoj danke al la cifereca akiro de materialo.

La artikolo "Thermography-bazita haŭta alergia reakcia rekono per konvoluciaj neŭralaj retoj" estis publikigita en la revuo Scientific Reports meze de februaro.