思想领袖

来自麻省理工学院的团队如何使用AI工具来检测黑色素瘤

思想领袖luis r. soenksen ph.d.研究科学家和风险投资者
麻省理工学院

奥兹罗obotics与Luis R. Soenksen,企业家和医疗器械专家发表讲话,目前在人工智能和医疗保健中担任麻省理工学院的第一个风险投资者。Luis是一个团队的一部分,制定了一种系统,该系统使用神经网络在患者皮肤上发现“丑小鸭”预癌性病变,有助于更有效地检测黑色素瘤。

您可以让读者概述您最近的研究吗?研究的主要目的是什么?

早期发现可疑着色病变(SPLS)可以节省生命;然而,仍然缺乏医疗系统的当前医疗系统的能力,以规模提供综合皮肤筛查。

寻找最简单和最临床相关的方法来解决这个问题,我们的集团决定正式化和自动化俗称常识的标志的量化“丑小鸭“标准。我们的研究表明,可以培训利用计算机视觉和量化这些迹象的系统视觉和深神经网络的系统,以实现对专家皮肤科医生的可比准确性。

我们相信我们的研究可以在初级保健环境中提供更有效的皮肤科,以推动充足的推荐,开立新章。

来自麻省理工学院的团队如何使用AI工具来检测黑色素瘤

你被描述为麻省理工学院在人工智能和医疗保健中的第一个风险投资者。你能给我们更多地洞察你的角色吗?

我是目前在麻省理工学院的Jameel诊所和麻省理工学院创新倡议中担任人工智能和医疗保健的MIT第一个风险投资者的医疗器械专家。

在麻省理工学院的这种令人兴奋的作用在所有麻省理工学院的人工智能和医疗保健方面的寻找,开发和进一步开发,开发和进一步开展有前途的技术,以启动能够在商业上成功的企业和积极影响世界。

您能否为读者提供关于深度卷积神经网络(DCNN)的更多信息,作为本研究的一部分?

深度卷积神经网络(DCNN)是类似于网络(至少概念性)的数学模型,用于当前培训并用于预测或分类(在许多件事中)图像的信息处理能力。

人工神经网络被称为“深的“当它们被堆叠在许多层中时,在提供的数据中学习复杂的模式和抽象。可以使DCNN对图像进行分类名称他们检测到或提取这些图像的功能。

在我们的研究中,我们使用这些类型的模型的分类和特征提取功能,在我们的数据集上培训,以根据可疑性纳入色素的病变图像。

来自麻省理工学院的团队如何使用AI工具来检测黑色素瘤

该系统以什么方式识别来自非癌变病变的可疑着色病变(SPLs)?

可疑不是恶性肿瘤的指标。相反,这是一种公制,这是皮肤科医生应以最佳方式处理这种病变的可能性。可疑病变可能是癌变的,但也可能是6个月内可能成为癌症的病变,并且将受益于长期监测。在这方面,识别SPLs的系统对癌症筛查非常有用,而且对于甚至在癌症出现之前,也可以有效转诊高危患者。

早期鉴定可疑色素病变的一些好处是什么?

SPL检测对于癌症筛查非常有用,即甚至在癌症之前,也可以挽救生命的生命,而且对于高危患者的有效转诊似乎有效地利用受限制的医疗保健系统中的有限医疗保健能力和资源。

是什么让SPLS如此困难?

直到创建我们的系统,发现SPLS被认为是需要专家直觉和临床眼睛的“艺术”。我们的研究表明,该识别可以标准化,也可以被解释为一种“显着性”度量,可以在数学上定义为来自同一患者的所有病变的复杂特征空间中的异常值。

团队接下来是什么?

我们希望能够找到商业伙伴来推进该系统的利用,并进行受控,随机的前瞻性试验,以证明利用这些用于黑素瘤筛查的工具的价值。

读者在哪里可以找到更多信息?

可以找到细节研究的期刊这里

关于Luis R. Soenksen,Ph.D.

Luis R. Soenksen是一个串行企业家和医疗器械专家,目前是MIT在人工智能和医疗保健的第一个风险投资者。他领导着在麻省理工学院的教师和学生的多个尖端AI风险的发展和推出。路易斯抓住了博士学位。从麻省理工学院机械工程和蒙特雷理工学院生物医学工程学士学位,以及约翰霍普金斯大学的生物工程硕士学位。

他的培训包括医疗器械设计,开发和制造,以及临床测试和部署医疗冒险。在研究中,Luis对生物工程,生物设计教育,组织工程,合成生物学和人工智能的田地作出了重大贡献。

Luis的工作已经发表在几个高影响的期刊,如科学和自然,也导致了几种专利的生物医学技术和国际上国际专利的生物医学技术和共同创立的公司。

免责声明:这里表达的观点是受访者的观点,不一定代表Azom.com Limited(T / A)AzonetWork,本网站的所有者和运营商的观点。此免责声明构成了部分条款和条件使用本网站。

琼纳门

写道

琼纳门

琼毕业于曼彻斯特大都会大学,在电影和媒体研究中有2:1。在学习期间,她作为一名学生尚未称为学生,并在毕业后继续在大学工作,作为抄写员。Joan先前已成为市场研究公司的校对。Joan对电影和摄影以及业余时间有激情,她喜欢看插图和练习书法。

引用

请使用以下格式之一在您的论文,纸张或报告中引用本文:

  • APA

    恩文,琼。(2021年4月16日)。来自麻省理工学院的团队如何使用AI工具来检测黑色素瘤。氮毒物菌。从//www.infoc8.com/article.aspx?articled=392从//www.infoc8.com中检索。

  • MLA.

    恩文,琼。“来自麻省理工学院的团队如何使用AI工具来检测黑色素瘤”。氮毒素。2021年5月29日。

  • 芝加哥

    恩文,琼。“来自麻省理工学院的团队如何使用AI工具来检测黑色素瘤”。氮毒物菌。//www.infoc8.com/article.aspx?articled=392。(访问5月29,201)。

  • 哈佛

    恩文,琼。2021。来自麻省理工学院的团队如何使用AI工具来检测黑色素瘤。奥兹罗托管,查看了2021年5月29日,//www.infoc8.com/article.aspx?articled=392。

告诉我们你的想法

您是否有审核,更新或任何您想要添加到本文的内容?

留下您的反馈意见
提交