详细内容或原文请订阅后点击阅览
新的AI系统可以加速临床研究
通过启用医学图像感兴趣领域的快速注释，该工具可以帮助科学家研究新的治疗方法或地图疾病进展。
来源:MIT新闻 - 人工智能注释医学图像的兴趣区域是一种称为分割的过程，通常是临床研究人员在进行涉及生物医学图像的新研究时采取的第一步。
例如，为了确定随着患者的年龄，大脑海马的大小如何变化，科学家首先在一系列脑部扫描中概述了每个海马。对于许多结构和图像类型，这通常是一个手动过程，可能非常耗时，尤其是在研究区域的挑战时。
为了简化该过程，麻省理工学院的研究人员开发了一个基于人工智能的系统，该系统使研究人员通过在图像上单击，涂鸦和绘图框来快速分割新的生物医学成像数据集。这个新的AI模型使用这些交互来预测分割。
用户标记了其他图像，他们需要执行的交互的数量会减少，最终下降到零。然后，该模型可以在没有用户输入的情况下准确细分每个新图像。
它可以这样做，因为该模型的体系结构是专门设计的，用于使用已经分割的图像中的信息来做出新的预测。
与其他医疗图像分割模型不同，该系统允许用户在不重复每个图像的工作的情况下对整个数据集进行细分。
此外，交互式工具不需要进行培训的预先挖掘图像数据集，因此用户不需要机器学习专业知识或广泛的计算资源。他们可以将系统用于新的分割任务，而无需重新培训模型。
从长远来看，该工具可以加速对新治疗方法的研究，并降低临床试验和医学研究的成本。医生也可以使用它来提高临床应用的效率，例如放射治疗计划。
此新工具上的论文简化分割
ScribblePrompt MultiverSeg更少的点击，更好的结果