Chinesische Artikel erscheinen in internationalen Fachzeitschriften: Sie demonstrieren generative KI-Anwendungen

[Global Network Technology Comprehensive Report] Laut Nachrichten vom 14. September veröffentlichte die internationale Fachzeitschrift „Nature“ und das Magazin „Nature-Communications“ kürzlich einen Bericht von SenseTime Technology und Industriepartnern, der generative künstliche Intelligenz und medizinische Bilddaten kombiniert. Die neuesten Forschungsergebnisse Die von Multi-center Federated Learning veröffentlichten Ergebnisse sind „Mining Multi-center Heterogeneous Medical Data through Distributed Synthetic Learning“.

Der Artikel schlägt ein föderiertes Lernframework DSL vor, das auf verteilten synthetischen gegnerischen Netzwerken basiert und multizentrische, verschiedene medizinische Bilddaten verwenden kann, um gemeinsam die Generierung von Bilddaten zu erlernen. Dieses verteilte Framework erhält durch Lernen einen Bilddatengenerator, der Daten flexibler generieren kann und reale Daten aus mehreren Zentren für das Training spezifischer nachgelagerter maschineller Lernaufgaben ersetzen kann.

Berichten zufolge kann das DSL-Framework den häufigen Engpass unzureichender Datenmenge beim Training großer medizinischer Modelle geschickt lösen und gleichzeitig den Datenschutz schützen. Es kann das MaaS-Training großer Modelle effektiv unterstützen und große Durchbrüche bei der Entwicklungsiteration großer medizinischer Modelle bringen. Mit der Unterstützung dieser Technologie kann die „Medical Large Model Factory“ von SenseTime medizinischen Einrichtungen dabei helfen, große medizinische Modelle für verschiedene klinische Probleme effizienter und mit hoher Qualität zu trainieren und so den Anwendungsradius großer Modelle im medizinischen Bereich weiter zu erweitern

Es ist erwähnenswert, dass das DSL-Framework in mehreren spezifischen Anwendungen verifiziert wurde, einschließlich der Generierung von Multisequenz-MRT-Bildern des Gehirns und nachgeschalteten Aufgaben zur Segmentierung von Hirntumoren, der Generierung von Herz-CTA-Bildern und nachgeschalteten Aufgaben zur Segmentierung der gesamten Herzstruktur sowie der Generierung von pathologischen Bildern mehrerer Organe und Aufgaben zur Segmentierung von Zellkerninstanzen usw. Im Hinblick auf die Skalierbarkeit kann diese Methode auch verschiedene Szenarien wie die Generierung fehlender modaler Daten in multimodalen Daten und kontinuierliches Lernen unterstützen.

Im Ausstellungsbereich des Ruijin-Krankenhauses erregte das intelligente Planungssystem SenseCare® Liver Surgery mit seiner effizienten und genauen Läsionserkennung, dreidimensionalen Rekonstruktion und chirurgischen Planungsfunktionen die Aufmerksamkeit vieler Besucher. Es dauert nur wenige Minuten, ein zweidimensionales CT-Bild der Leber in ein klares dreidimensionales Modell umzuwandeln. Durch leichtes Ziehen der Maus können Ärzte den Abschnitt, den Winkel und die Position der Blutgefäßtrennung auf dem Modell anpassen und so in wenigen Minuten eine präzise Leberoperationsplanung durchführen

Es wird berichtet, dass mit der Einführung des DSL-Frameworks das Training großer medizinischer Modelle voraussichtlich die Fesseln der „Dateninseln“ durchbrechen und die Trainingsschwelle großer medizinischer Modelle bis zu einem gewissen Grad senken und so zur Beschleunigung der Modellentwicklung beitragen wird Iterationen und eine effizientere Entwicklung großer medizinischer Modelle. Der Anwendungsbereich kann weiter ausgeweitet werden, um weitere klinische medizinische Probleme abzudecken.

Das obige ist der detaillierte Inhalt vonChinesische Artikel erscheinen in internationalen Fachzeitschriften: Sie demonstrieren generative KI-Anwendungen. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!