發布日期：2022-07-14 點擊率：48
為什么醫學成像是深度學習的下一個前沿？
在以前，由于計算機輔助分析系統容易受到背景噪音和影像質量問題的干擾，包括放射X射線、超聲波和NMR在內的醫學成像，這就使傳統機器視覺算法難以精確地定位對象或區域，特別是識別非結構化場景中的異常。此類診斷必須通過醫生人眼進行異常判斷。傳統的輔助診斷系統在運作中十分耗時，且幾乎無法在忽略不相關特征的同時成功進行識別。
但是現在，在康耐視的不斷創新研發下，深度學習式圖像分析已經實現可靠、重復和穩定地完成醫學成像分析。相較于市面上傳統的人工智能解決方案，康耐視深度學習軟件ViDi的主要優勢在于：
●分析圖片速度非常快，單張圖片的處理時間一般為100ms以內；
●軟件非常容易上手，簡單靈活操作，無需重新編寫代碼；
●●不需要大批量的樣本圖片，僅僅需要幾百張圖片學習即可應用；
可以輸出測試結果的置信度，針對沒有學習過或者分析置信度低的樣本快速提示以便相關人員進行復判或再次學習和訓練；
●圖像處理的分析和診斷結果準確率非常高。
康耐視深度學習軟件ViDi更好的改變了放射科醫生現有的工作模式，現在通過利用計算機輔助診斷（CAD）進行醫學成像分析極大的提高了工作效率和提升判斷的準確率。無論是尋找特定的異常（例如腫瘤），還是偏離身體正常外觀的地方，康耐視的深度學習軟件ViDi可以很好的兼顧到人工檢查的靈活以及計算機圖像處理的速度及穩定性。以下是康耐視深度學習所提供的兩個特有的工具：
1. ViDi Blue-Locate工具定位區域，例如特定器官，即使背景在視覺上容易混淆或對比度差。
2. ViDi Red-Analyze工具使用一系列訓練圖像，形成器官正常外觀以及特定類型異常的參考模型，然后即可將與目標區域正常生理不同的異常標記為缺陷。
下一篇： PLC、DCS、FCS三大控
上一篇： 康耐視百科大全——新
