You are here
Home > Health > એઆઈ સ્તન કેન્સરનું વધુ ઝડપથી, નિદાન કરી શકે છે – ETHealthworld.com

એઆઈ સ્તન કેન્સરનું વધુ ઝડપથી, નિદાન કરી શકે છે – ETHealthworld.com

એઆઈ સ્તન કેન્સરનું વધુ ઝડપથી, નિદાન કરી શકે છે – ETHealthworld.com
એઆઈ સ્તન કેન્સરનું નિદાન વધુ ઝડપથી, નિદાન કરી શકે છે

ન્યૂયોર્ક: સ્તન અલ્ટ્રાસાઉન્ડ ઇલસ્ટોગ્રાફી એક ઉભરતી ઇમેજિંગ તકનીક છે જે સંભવિત સ્તનના ઘાના વિશે માહિતી પ્રદાન કરે છે અને સંશોધકોએ મહત્વપૂર્ણ ભૂમિકા ઓળખી છે.

એઆઈ

આ તકનીકને વધુ કાર્યક્ષમ અને સચોટ બનાવવા માટે રમી શકે છે.

કેન્સર વિરુદ્ધ બિન-કેન્સરવાળા સ્તનના ઘાનાની લાક્ષણિકતાઓ વિશે વધુ ચોક્કસ માહિતીનો ઉપયોગ કરીને આર્ટિફિશિયલ ઇન્ટેલિજન્સ (એઆઈ) નો ઉપયોગ કરીને આ પદ્ધતિએ ઇમેજિંગના પરંપરાગત મોડ્સની તુલનામાં વધુ ચોકસાઈ દર્શાવી છે.

એપ્લાઇડ મિકેનિક્સ એન્ડ એન્જીનીયરીંગમાં જર્નલ કમ્પ્યુટર પદ્ધતિમાં પ્રકાશિત થયેલા અભ્યાસમાં ભારતીય મૂળના સંશોધકો ધ્રુવ પટેલ અને સધર્ન કેલિફોર્નિયા યુનિવર્સિટીના અસદ ઓબેરાઈએ દર્શાવ્યું હતું કે કૃત્રિમ ડેટા અને સ્ટ્રીમલાઇનનો ઉપયોગ કરીને વાસ્તવિક વિશ્વની છબીઓને અર્થઘટન કરવા માટે મશીનને તાલીમ આપવાનું શક્ય છે. નિદાન માટેના પગલાં.

સ્તન અલ્ટ્રાસાઉન્ડ ઇલસ્ટોગ્રાફીના કિસ્સામાં, અસરગ્રસ્ત વિસ્તારની એકવાર એકવાર લેવામાં આવે છે, તે પેશીઓની અંદરના વિસ્થાપનને નિર્ધારિત કરવા માટે વિશ્લેષણ કરવામાં આવે છે. આ ડેટા અને મિકેનિક્સના ભૌતિક નિયમોનો ઉપયોગ કરીને, મિકેનિકલ પ્રોપર્ટીઝનું અવકાશી વિતરણ, જેમ કે તેની સખતતા, નિર્ધારિત છે.

અભ્યાસમાં, સંશોધકોએ નક્કી કર્યું કે તેઓ આ કાર્યપ્રવાહના સૌથી જટિલ પગલાને છોડી શકે છે કે નહીં.

આ માટે, સંશોધકોએ તેમના મશીન લર્નિંગ એલ્ગોરિધમને તાલીમ આપવા માટે 12,000 કૃત્રિમ છબીઓનો ઉપયોગ કર્યો. આ પ્રક્રિયા ફોટો ઓળખ સૉફ્ટવેર કેવી રીતે કાર્ય કરે છે તેના જેવી જ હતી, એટલે કે છબીમાં કોઈ વિશિષ્ટ વ્યક્તિને કેવી રીતે ઓળખવું, અથવા આપણું મગજ કૂતરા વિરુદ્ધ બિલાડીને વર્ગીકૃત કરવા કેવી રીતે શીખવું તે વિશે વારંવાર ઇનપુટ્સ દ્વારા શીખવું.

પર્યાપ્ત ઉદાહરણો દ્વારા, એલ્ગોરિધમ મજ્જાતંતુ ગાંઠ વિરુદ્ધ એક સૌમ્ય ટ્યુમરની અંદરના વિવિધ લક્ષણોને ભેળવી શક્યો અને સાચો નિર્ણય લીધો.

સંશોધકોએ કૃત્રિમ ચિત્રો પર 100 ટકા વર્ગીકરણ ચોકસાઈ પ્રાપ્ત કરી. એકવાર અલ્ગોરિધમનો તાલીમ આપવામાં આવે તે પછી, તેઓએ આ છબીઓ સાથે સંકળાયેલા બાયોપ્સી-પુષ્ટિ નિદાન સામે આ પરિણામોને માપવા, નિદાન આપવા માટે કેટલું સચોટ હોઈ શકે તે નિર્ધારિત કરવા માટે તેઓએ વાસ્તવિક-વિશ્વ છબીઓ પર પરીક્ષણ કર્યુ.

“અમારી પાસે લગભગ 80 ટકા ચોકસાઈ દર હતો. અમે વધુ વાસ્તવિક-વિશ્વની છબીઓનો ઇનપુટ્સ તરીકે ઉપયોગ કરીને ઍલ્ગોરિધમને સુધારવાનું ચાલુ રાખશું,” ઓબેરોયે જણાવ્યું હતું.

Top