匈牙利研究人员处于科学界的顶端

匈牙利科学家发现了一种可以更早、更容易、更快地诊断乳腺癌的方法。他们的相关文章成为《自然》杂志(世界上最受认可的科学期刊之一)上阅读量第 30 位的文章。

乳腺癌检测的革命?

乳腺癌是女性最常见的癌症,也是世界上女性癌症死亡的主要原因。因此,匈牙利科学家开发了一种创新方法,即所谓的深度学习系统,这是一种可以彻底改变乳房X光检查筛查的图像分析软件。他们在《自然科学报告》上发表的相关文章成为2018年该科学期刊上发表的17000多篇文章中阅读量第30位。 szeretlekmagyarorszag。hu 报道.

实数字乳房X光检查DREAM挑战赛已经引入了旨在更好地评估筛查乳房X光检查的方法,该挑战赛由美国国家癌症研究所发起,美国前副总统乔 · 拜登发起的癌症登月计划,在这次比赛中,来自罗兰大学(布达佩斯)的博士生、上述《自然》杂志文章的作者之一Dezsome Ribli

1200多名应用科学家中名列第二。 

据《自然》杂志论文的作者称,DM 挑战提供了一个绝佳的机会,可以以受控和公平的方式比较竞争方法的性能,而不是对不同或专有数据集进行自我报告的评估。

匈牙利科学家团队开发的图像分析软件能够做到

发现 90 个恶性肿瘤

and,平均而言,它只标记了它错误筛选的图像的30个pc,事实上,这是目前医疗实践中非常好的比例,它对疾病的早期发现有很大帮助,而且,系统通过不断分析新图像来自主学习。

更快、更不知疲倦的人工智能

如果该方法在未来的测试中表现良好,即使是那些医院也可以开始乳房 X 光检查,以应对缺乏专业劳动力或医生和护士超负荷的情况。

论该方法的历史,他们写道,在过去二十年中,开发了计算机辅助检测(CAD)系统,以帮助放射科医生分析筛查乳房X光检查;然而,当前CAD技术的好处似乎是矛盾的;因此,应该对其进行改进,以被认为最终有用。自2012年以来,深度卷积神经网络(CNN)在图像识别方面取得了巨大成功,

达到人类的表现。

这些方法大大超越了传统方法,传统方法与当前使用的 CAD 解决方案类似。深度 CNN 有可能彻底改变医学图像分析,因为它们犯的错误与人类一样多,但速度更快、不知疲倦得多。

(布达佩斯)罗兰大学(罗兰大学)的德兹瑟 · 里布利博士生和物理学教授伊斯特万 · 恰拜,匈牙利科学院(MTA)研究员佩特 · 波尔纳和ELTE统计与生物物理研究小组,以及塞梅尔维斯大学(布达佩斯)的两位研究人员安娜 · 霍瓦斯和祖萨 · 昂格尔撰写。