p Imagens médicas criam enormes quantidades de dados:muitos radiologistas de pronto-socorro devem examinar até 200 casos por dia, e alguns estudos médicos contêm até 3, 000 imagens. A coleção de imagens de cada paciente pode conter 250 GB de dados, em última análise, criando coleções em organizações com um tamanho de petabytes. Dentro da IBM Research, vemos potencial na aplicação de IA para ajudar os radiologistas a filtrar essas informações, incluindo análise de imagem da mama, fígado, e exames de pulmão. p Os pesquisadores da IBM estão aplicando o aprendizado profundo para descobrir maneiras de superar alguns dos desafios técnicos que a IA pode enfrentar ao analisar raios-X e outras imagens médicas. Suas últimas descobertas serão apresentadas na 21ª Conferência Internacional sobre Computação de Imagens Médicas e Intervenção Assistida por Computador em Granada, Espanha, de 16 a 20 de setembro.

p As redes neurais artificiais muitas vezes podem ter dificuldade em aprender quando apresentadas com uma quantidade insuficiente de dados de treinamento. Essas redes também enfrentam o desafio de identificar regiões muito pequenas em imagens que retratam anomalias, como nódulos e massas, que pode representar câncer.

p No MICCAI 2018, pesquisadores da IBM Research-Almaden e IBM Research-Haifa apresentarão artigos que descrevem novas abordagens para o aprendizado profundo que podem ter o potencial de ajudar a enfrentar alguns desses desafios.

p Aprendendo com dados incompletos

p Tanveer Syeda-Mahmood, bolsista da IBM Research-Almaden, apresentará um novo projeto de rede de IA que foi demonstrado em um estudo ser capaz de analisar o dobro de marcadores de doenças em potencial em imagens 3-D, bem como pequenas estruturas segmentadas com precisão nessas imagens, na metade do tempo, conforme anteriormente estudado arquiteturas de rede baseadas em IA.

p Redes neurais profundas usadas para treinar sistemas de IA às vezes podem ter dificuldade em quebrar imagens médicas, um processo denominado segmentação. Isso pode apresentar desafios para identificar com precisão pequenos marcadores de doença, limitar o uso dessas redes em ambientes clínicos. O projeto é nosso primeiro esforço direcionado diretamente a este desafio.

p AI de treinamento com dados mínimos

p Mehdi Moradi, Gerente de Análise de Imagem e Pesquisa de Aprendizado de Máquina da IBM Research-Almaden, e colegas discutirão seu estudo de arquiteturas de rede neural que foram treinadas usando imagens e texto para marcar automaticamente regiões de novas imagens médicas que os médicos podem examinar de perto em busca de sinais de doenças.

p Os pesquisadores treinaram uma rede usando dados combinados de imagem e texto e uma segunda rede usando texto e imagens separados, porque há diferentes maneiras de um sistema de imagem baseado em IA receber dados para análise. No estudo, ambas as redes localizaram de forma autônoma ameaças potenciais à saúde em radiografias de tórax com um nível de precisão comparável ao de radiologistas experientes que analisam e anotam as mesmas imagens.

p Reconhecendo anormalidades obscuras

p Cientistas da IBM Research-Haifa em Israel desenvolveram uma rede neural profunda especializada projetada para detecção de massa e localização em mamografia de mama e apresentarão suas descobertas no 4º Workshop de Análise de Imagens de Mama do MICCAI.

p O rastreamento padrão do câncer de mama envolve fazer duas projeções de raios-X de mamografia para cada mama e comparar as visualizações para identificar áreas de interesse. O design da nova rede incluiu sub-redes "siamesas" idênticas, a partir do qual as análises foram comparadas para produzir avaliações de imagem. O estudo sugeriu uma forma eficaz de treinar IA para sinalizar áreas de tecido mamário anormal e potencialmente cancerígeno.

p Como o número de imagens médicas tiradas nos EUA chega a dezenas de milhões anualmente, as organizações de saúde estão recorrendo cada vez mais à IA para ajudá-las a analisar com precisão e eficiência as informações vitais contidas nas ressonâncias magnéticas de pacientes, Tomografias computadorizadas, e outras ajudas de diagnóstico visual. Uma investigação da Consumer Reports de 2015 descobriu que 80 milhões de tomografias computadorizadas são realizadas anualmente nos sistemas de imagem infundidos de IA dos EUA prometem ajudar os médicos a filtrar um grande número de imagens, planejar opções de tratamento, e realizar estudos clínicos. p Esta história foi republicada por cortesia da IBM Research. Leia a história original aqui.