俗話說,眼見為實。慢性病的治愈過程難見蹤影,練跑得更快、跳得更遠的進展往往不明顯。醫學期刊《IEEE醫學成像會刊》上發表的一項新研究顯示,大阪附近奈良科學技術研究所的研究人員稱,他們已經開發出一種可以更好地區分個體肌肉、更快速、更准確地為個體肌肉骨骼系統建模的“深度學習”人工智能工具。醫學專家可以使用該模型來研究人體肌肉和骨骼的強度和應力。

領導這項研究的奈良科學技術學院(Nara Institute Of Science And Technology)教授佐藤義夫(Yoshio Sato)在一份聲明中表示:“細分非常耗時,需要專業知識。”我們使用深度學習技術自動細分單個肌肉,為每個患者生成個性化的肌肉骨骼模型。“深度學習”是人工智能領域的一個術語,主要是利用所謂的神經網絡和巨大的計算能力,通過例子來學習和模仿人類的學習方式,在研究過程中,奈良理工學院的研究人員用工具觀察了大腿和臀部的19塊肌肉,主要是看肌肉的細分是否超越了傳統的成像方法(包括分級多圖譜分割,這是公認的最新技術),最終新工具獲得成功,縮短了肌肉細分的時間。

這項研究是由研究人員與大阪大學醫院合作進行的。這個工具有很多潛在的應用。一方面,它允許醫療保健提供者開發更有效的康複設備,幫助肌萎縮側索硬化症(又稱ALS)和其他導致嚴重肌肉萎縮的疾病的患者。另一方面,世界頂尖運動員也可以用它來更好地了解自己的生物力學。

這一突破只是個性化醫學廣泛領域的眾多突破之一,這些突破是由研究人員在名為貝葉斯U網的深度學習框架上完成的。個性化醫療通常使用個人數據為特定患者量身定做治療計劃,不再為普通人群選擇常規治療。如果用這個工具檢查醫學影像,將來會不會取代有經驗的骨科醫生?這不太可能。但該工具可能會減少骨科醫生花在查看圖像上的時間,並留出更多時間進行診斷和治療。

arrow
arrow
    全站熱搜

    alanxcc5 發表在 痞客邦 留言(0) 人氣()