Avertissement : Cette page est une traduction automatique de cette page à l'origine en anglais. Veuillez noter puisque les traductions sont générées par des machines, pas tous les traduction sera parfaite. Ce site Web et ses pages Web sont destinés à être lus en anglais. Toute traduction de ce site et de ses pages Web peut être imprécis et inexacte, en tout ou en partie. Cette traduction est fournie dans une pratique.

Base de données de pathologie à effectuer pour le développement de l'analyse d'image apprenante profonde de tissu

Philips et LabPON royaux, le premier laboratoire clinique au passage au diagnostic digital d'histopathologie de 100 pour cent, ont aujourd'hui annoncé ses régimes pour produire une base de données digitale des ensembles totalisés massifs d'images annotées de pathologie et grandes de caractéristiques utilisant la solution de pathologie de Philips IntelliSite.

La base de données fournira à des pathologistes une quantité d'information clinique pour le développement des algorithmes d'analytique d'image pour la pathologie et l'éducation de calcul de pathologie, tout en introduisant la recherche et la découverte pour développer des analyses neuves pour l'évaluation de la maladie, y compris le cancer.

Les algorithmes apprenants profonds ont le potentiel d'améliorer l'objectivité et le rendement dans le diagnostic de tissu tumoral. Ces dernières années, techniques apprenantes profondes de ` les' pour l'analyse d'image sont rapidement devenues la situation actuelle dans la visibilité d'ordinateur et ont surpassé l'activité humaine dans un certain nombre de tâches.

Le défi pour accomplir des méthodes d'apprentissage profondes a accès à une base de données avec la caractéristique de grand volume et de haute qualité suffisante de laquelle pour développer les algorithmes. En tant qu'un des plus grands laboratoires de pathologie aux Pays-Bas, LabPON contribuera son dépôt d'approximativement 300.000 images de guide entières qu' (WSI)ils produisent à titre estimatif tous les ans à la base de données.

Ceci contiendra des ensembles de données De-recensés des cas annotés qui sont manuellement commentés par le pathologiste, et les comportera d'une grande variété de tissu et de types de la maladie, ainsi que toute autre information diagnostique pertinente pour faciliter apprendre profondément.

Apprendre profond se concentre sur le développement des programmes informatiques avancés qui comprennent automatiquement et tracent digitalement des images de tissu dans le petit groupe considérable : Plus de caractéristiques procurables, plus l'analyse par ordinateur sera plus raffinée. Ensemble, LabPON et Philips ont la compétence et les qualifications pour réaliser ceci. »  

Peter Hamilton, analytique d'image du Chef de groupe aux solutions de pathologie de Philips Digital.

Pendant un moment où le manque de pathologiste monte et des nombres de dossiers de cancer sont increasing3,4, le diagnostic précis et le classement du cancer est devenu de plus en plus complexe, mettant des pressions significatives sur des services de pathologie. Les technologies telles que la pathologie de calcul, ont pu aider des pathologistes avec des outils à travailler de la plupart de moyen efficace possible.

« Le rôle du pathologiste demeure important en effectuant le diagnostic définitif, qui a un à haute impression sur la demande de règlement du patient. Outil logiciel pourrait aider pour détendre partie de pathologiste' fonctionner comme recensant cellule tumorale, comptant des cellules de mitotique ou recensant l'accroissement perineural et vaso-invasif, aussi bien effectuant des mesures d'une voie plus précise et plus précise, » a dit Alexi Baidoshvili, pathologiste chez LabPON. « Ceci éventuel a pu aider à améliorer la qualité du diagnostic et à la rendre plus objective. »  
À côté du développement des algorithmes de calcul pour l'usage diagnostique, Philips destine pour effectuer procurable la base de données aux institutions de recherche et à d'autres associés par sa plate-forme de translation de recherches. Ceci pourrait permettre aux usagers sélectés d'interroger et combiner des ensembles de données massifs avec l'objectif pour découvrir les analyses neuves qui éventuel pourraient être traduites en options personnalisées neuves de demande de règlement pour des patients.    

Philips présente son portefeuille des solutions de pathologie dans la cabine #202 chez les Etats-Unis et Académie canadienne de la rencontre annuelle 2017 de la pathologie (USCAP).

Source:

Citations

Please use one of the following formats to cite this article in your essay, paper or report:

  • APA

    Philips Healthcare. (2019, June 19). Base de données de pathologie à effectuer pour le développement de l'analyse d'image apprenante profonde de tissu. News-Medical. Retrieved on November 23, 2020 from https://www.news-medical.net/news/20170306/Pathology-database-to-be-made-for-development-of-deep-learning-tissue-image-analysis.aspx.

  • MLA

    Philips Healthcare. "Base de données de pathologie à effectuer pour le développement de l'analyse d'image apprenante profonde de tissu". News-Medical. 23 November 2020. <https://www.news-medical.net/news/20170306/Pathology-database-to-be-made-for-development-of-deep-learning-tissue-image-analysis.aspx>.

  • Chicago

    Philips Healthcare. "Base de données de pathologie à effectuer pour le développement de l'analyse d'image apprenante profonde de tissu". News-Medical. https://www.news-medical.net/news/20170306/Pathology-database-to-be-made-for-development-of-deep-learning-tissue-image-analysis.aspx. (accessed November 23, 2020).

  • Harvard

    Philips Healthcare. 2019. Base de données de pathologie à effectuer pour le développement de l'analyse d'image apprenante profonde de tissu. News-Medical, viewed 23 November 2020, https://www.news-medical.net/news/20170306/Pathology-database-to-be-made-for-development-of-deep-learning-tissue-image-analysis.aspx.