బిజినెస్ స్టాండర్డ్ – అల్జీమర్స్ వ్యాధి లక్షణాలను గుర్తించడానికి AI సాధనం

బిజినెస్ స్టాండర్డ్ – అల్జీమర్స్ వ్యాధి లక్షణాలను గుర్తించడానికి AI సాధనం

కృత్రిమ మేధస్సు (AI) ఉపయోగించి మానవ మెదడు కణజాలంలో అల్జీమర్స్ వ్యాధి లక్షణాలను గుర్తించడానికి ఒక కంప్యూటర్ను నేర్పించడానికి ఒక పరిశోధకుడు కనుగొన్నారు.

నేచర్ కమ్యునికేషన్స్లో ప్రచురించిన ఈ అధ్యయనం, న్యూరోడెనెనరేటివ్ వ్యాధి యొక్క క్లిష్టమైన గుర్తులను గుర్తించడానికి యంత్ర అభ్యాస విధానం కోసం ఒక భావన యొక్క రుజువు .

అమెరియోయిడ్ ఫలకాలు అల్జీమర్స్ వ్యాధితో బాధపడుతున్న అల్జీమర్స్ వ్యాధి కలిగిన వ్యక్తుల మెదడుల్లో ప్రోటీన్ శకలాలు యొక్క క్లాంప్లు, కాలిఫోర్నియా విశ్వవిద్యాలయంలోని పరిశోధకులు, డేవిస్ ( యుసి డేవిస్) ​​లో అమెరికాలో పరిశోధకులు చెప్పారు.

క్యాప్చర్ చేసిన చిత్రాల ఆధారంగా ఫేస్బుక్ని ముఖాలు గుర్తించే విధంగా మెదడు కణజాలం యొక్క ఒక రకం అమైలోయిడ్ ఫలకం లేదా మరొకటి ఉంటే యంత్ర అభ్యాస సాధనం “చూడవచ్చు” మరియు ఇది చాలా త్వరగా చేస్తాయి.

విశ్లేషణలు యంత్ర అభ్యాసం నిపుణుల నరాలవ్యాపార నిపుణుడు యొక్క నైపుణ్యం మరియు విశ్లేషణను పెంచవచ్చని సూచిస్తున్నాయి.

ఈ సాధనం వాటిని వేలకొలది సార్లు మరింత డేటాను విశ్లేషించడానికి అనుమతిస్తుంది మరియు చాలామంది శిక్షణ పొందిన మానవ నిపుణుల యొక్క పరిమిత సమాచార ప్రాసెసింగ్ సామర్థ్యాలతో కొత్త ప్రశ్నలు అడగవచ్చు.

“మేము ఇప్పటికీ రోగనిర్ధారణ నిపుణుడు కావాలి” అని బ్రిటన్ ఎన్ డగ్గెర్, UC డేవిస్లో అసిస్టెంట్ ప్రొఫెసర్ , మరియు అధ్యయన ప్రధాన రచయిత .

“కీబోర్డు రచనల రచనలో సాయపడటంతో, మెషిన్ లెర్నింగ్తో జతచేయబడిన డిజిటల్ పాథాలజీ నరాలవ్యాపార పనులకు సహాయపడుతుంది,” అని డగ్గర్ చెప్పారు.

ఆమె మైఖేల్ J కీజర్, ఒక భాగస్వామిగా చేసుకున్నాడు అసిస్టెంట్ ప్రొఫెసర్ కాలిఫోర్నియా విశ్వవిద్యాలయంలో శాన్ ఫ్రాన్సిస్కో వారు శవపరీక్ష మానవ పెద్ద ముక్కల రూపంలో వివిధ రకాల చిన్న గంజి ఫలకాలు గుర్తించడం మరియు విశ్లేషించడం శ్రమతో యాంత్రీకరణలో ఒక కంప్యూటర్ నేర్పే ఉంటే గుర్తించడానికి (UCSF), మెదడు కణజాలం.

కైజర్ మరియు అతని బృందం ఒక “కాన్వల్యునల్ నరల్ నెట్వర్క్” (CNN), వేలాది మానవ-లేబుల్ ఉదాహరణలు ఆధారంగా రూపొందించిన ఒక కంప్యూటర్ ప్రోగ్రామ్ను రూపొందించింది.

ఈ బృందం 43 రకాల ఆరోగ్యకరమైన మరియు వ్యాధిగ్రస్తులైన మెదడు నమూనాల నుండి సేకరించిన కణజాలం యొక్క సగం మిలియన్ చిత్రాలను సేకరించడం ద్వారా వేలకొలది చిత్రాలను వేగంగా వ్యాఖ్యానించడానికి లేదా లేబుల్ చేయడానికి ఒక పద్ధతిని రూపొందించింది.

ఒక కంప్యూటర్ డేటింగ్ సేవ వలె వినియోగదారులను ఎడమవైపు లేదా కుడికి లేబుల్ చేయడానికి ఒకరి ఫోటోను “హాట్” లేదా “కాదు” లేబుల్ చేయడానికి వీలుకల్పిస్తుంది. వారు ఒక వెబ్ ప్లాట్ఫారమ్ను అభివృద్ధి చేశారు, ఇది డగ్గెర్ను సమర్థవంతమైన ప్రాంతాలుగా ఫలకాలు మరియు త్వరగా ఆమె అక్కడ ఏమి చూసింది లేబుల్.

డిజిటల్ పాథాలజీ సాధనం – పరిశోధకులు “బ్లోబ్ ఆర్ నాట్” అని పిలుస్తారు – గంటకు సుమారు 2,000 చిత్రాల చొప్పున 70,000 “బ్లాబ్స్” లేదా ఫలకం అభ్యర్థులను వ్యాఖ్యానించడానికి Dugger అనుమతించింది.

UCSF బృందం అల్జీమర్స్ వ్యాధిలో కనిపించే వివిధ రకాల మెదడు మార్పులను గుర్తించడానికి వారి CNN యంత్ర అభ్యాస అల్గోరిథం శిక్షణ కోసం వేలాదిమంది లేబుల్ ఉదాహరణ చిత్రాలను ఈ డేటాబేస్లో ఉపయోగించింది .

ఇందులో cored మరియు ప్రసరించే ఫలకాలు అని పిలవబడే మరియు రక్త నాళాలలో అసాధారణతలను గుర్తించడం మధ్య వివక్షత ఉంటుంది.

పరిశోధకులు తమ అల్గోరిథం 98.7 శాతం ఖచ్చితత్వంతో పూర్తి మొత్తం మెదడు స్లైస్ స్లయిడ్ను ప్రాసెస్ చేయగలదని, వారు ఉపయోగించిన కంప్యూటర్ ప్రాసెసర్ల ద్వారా మాత్రమే పరిమితం చేయవచ్చని చూపించారు.

(ఈ స్టోరీ బిజినెస్ స్టాండర్డ్ సిబ్బందిచే సవరించబడలేదు మరియు సిండికేట్ ఫీడ్ నుండి స్వయంచాలకంగా రూపొందించబడింది.)