在实验室和医学专家之间共享医学数据对医学研究很重要。然而,由于欧洲严格的数据监管立法,数据共享往往足够复杂,有时甚至是不可能的。Jyväskylä大学数字健康智能实验室的研究人员解决了这个问题,并开发了一种人工神经网络,可以生成合成的x射线图像爱博网投官方网站,甚至可以欺骗医学专家。
来自Jyväskylä大学人工智能中心芬兰中部项目的一组研究人员开发了一种基于人工智能的方法来创建合成的膝关节x射线图像,以取代或补充膝关节骨关节炎分类中的真实x射线图像。
研究人员使用合成生成的x射线图像来补充来自骨关节炎研究的真实x射线图像数据集。然后与芬兰中部医疗保健区的专家一起评估图像的真实性。
医学专家被要求在不知道数据集包括合成图像的情况下对骨关节炎的严重程度进行评级。在第二阶段,专家们试图识别真实的和合成的图像。结果显示,平均而言,即使是医学专家也不太可能区分真实的x射线图像和合成的x射线图像。
“合成数据的使用不受与真实数据相同的数据保护规定的约束。使用合成数据可以促进诸如研究小组、公司和教育机构之间的合作,”Jyväskylä大学数字健康情报实验室主任Sami Äyrämö说。爱博网投官方网站
根据Äyrämö的说法,合成数据的使用也加快了授权过程,从而在其他方面加快了新想法的测试。
使用合成数据可以在病人护理和医疗方法开发方面取得更好的结果
数据驱动的人工智能方法可以用来支持医生做出诊断。尽管人工智能的技术潜力巨大,但医疗数据的数量往往不足,这是开发有效医疗方法的关键挑战。
负责开发人工神经网络的博士研究员Fabi Prezja说:“通过混合真实和合成的x射线图像,我们改进了基于人工智能的骨关节炎分类系统。”
将来,合成数据可以在开发医疗方法和患者护理方面带来更好的结果,特别是在真实患者数据有限的医疗条件下。
“此外,神经网络能够根据专家的规格修改合成的x射线图像。这种能力非常强大,可以在未来用于医学教育应用,以及其他人工智能系统的压力测试,”Prezja补充道。
这项研究是与芬兰中部医疗保健区合作进行的,该医疗保健区主任、外科教授Juha Paloneva认为,基于人工智能的诊断方法是一种宝贵的方式,可以将经验丰富的医生的专业知识转移到支持年轻医生的工作中。
相邻的图片显示了一组动画截图,展示了如何将合成x射线修改为专家规格。
例如,人工智能可以用来发现早期骨关节炎的难以发现的迹象。然而,人工智能治疗骨关节炎的方法仍在改进中,所以这项工作还在继续,”帕洛涅娃说。
故事来源:
材料所提供的大学Jyväskylä - Jyväskylän yliopisto.注:内容可能会根据风格和长度进行编辑。
期刊引用:
引用此页: