Attenzione: questa pagina è una traduzione automatica di questa pagina originariamente in lingua inglese. Si prega di notare in quanto le traduzioni sono generate da macchine, non tutte le traduzioni saranno perfetti. Questo sito web e le sue pagine web sono destinati ad essere letto in inglese. Ogni traduzione del sito e le sue pagine web possono essere imprecise e inesatte, in tutto o in parte. Questa traduzione è fornita per comodità.

Database di patologia da fare per sviluppo di analisi sulla base di immagini d'apprendimento profonda del tessuto

Philips reale e LabPON, il primo laboratorio clinico alla transizione alla diagnosi digitale dell'istopatologia di 100 per cento, oggi hanno annunciato le sue pianificazioni per creare un database digitale degli insiemi cumulati massicci delle immagini annotate di patologia e grandi dei dati che utilizzano la soluzione di patologia di Philips IntelliSite.

Il database fornirà ai patologi una ricchezza di informazioni cliniche per lo sviluppo degli algoritmi di analisi dei dati di immagine per patologia e formazione di calcolo di patologia, mentre promuove la ricerca e la scoperta per sviluppare le nuove comprensioni per la valutazione di malattia, compreso cancro.

Gli algoritmi di apprendimento profondi hanno il potenziale di migliorare l'obiettività ed il risparmio di temi nella diagnosi del tessuto del tumore. Negli ultimi anni, le tecniche d'apprendimento profonde del `' per analisi sulla base di immagini rapidamente hanno stato bene allo stato dell'arte nel dispositivo ottico del computer ed ha sorpassato la prestazione umana in una serie di mansioni.

La sfida per l'esecuzione delle tecniche in profondità di apprendimento sta avendo accesso ad un database con i dati sufficienti di alta qualità e del grande volume da cui sviluppare gli algoritmi. Come uno di più grandi laboratori di patologia nei Paesi Bassi, LabPON contribuirà la sua repository di circa 300.000 intere immagini diapositive che (WSI) creano futuro ogni anno al database.

Ciò conterrà i gruppi di dati de-identificati dei casi annotati che sono commentati manualmente dal patologo e comprenderà un'ampia varietà di tipi di malattia e del tessuto come pure altre informazioni diagnostiche pertinenti da facilitare in profondità imparare.

L'apprendimento profondo mette a fuoco sullo sviluppo dei programmi informatici avanzati che capiscono automaticamente e digitalmente mappano le immagini del tessuto in dettaglio considerevole: Più dati disponibili, raffinata l'analisi computerizzata sarà. Insieme, LabPON e Philips hanno la competenza e le abilità per realizzare questa.„  

Peter Hamilton, analisi dei dati di immagine della guida del gruppo alle soluzioni di patologia di Philips Digital.

Durante il momento dove la scarsità del patologo sta montando e quantità di pratiche del cancro è increasing3,4, la diagnosi e la classificazione accurate del cancro è diventato sempre più complesse, condizionando significativi i servizi di patologia. Le tecnologie quale patologia di calcolo, hanno potuto aiutare i patologi con gli strumenti a lavorare nella maggior parte del modo efficace possibile.

“Il ruolo del patologo rimane importante facendo la diagnosi definitiva, che ha un alto impatto sul trattamento del paziente. Software tool potrebbe aiutare per alleviare parte di patologo' lavorare come identificando tumore cella, contando le celle mitotiche o identificando crescita perineural e vaso-dilagante, pure effettuando le misure in un modo più accurato e più preciso,„ ha detto Alexi Baidoshvili, patologo a LabPON. “Questo infine ha potuto contribuire a migliorare la qualità della diagnosi ed a renderla più obiettiva.„  
Accanto allo sviluppo degli algoritmi di calcolo per uso diagnostico, Philips intende rendere disponibile il database ai centri di ricerca e ad altri partner tramite la sua piattaforma di traduzione della ricerca. Ciò potrebbe permettere ai partiti selezionati di interrogare e combinare i gruppi di dati massicci con lo scopo per scoprire le nuove comprensioni che infine potrebbero essere tradotte in nuove opzioni personali del trattamento per i pazienti.    

Philips sta montrando il suo portafoglio delle soluzioni di patologia in cabina #202 agli Stati Uniti e l'accademia canadese della riunione annuale 2017 di patologia (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). Database di patologia da fare per sviluppo di analisi sulla base di immagini d'apprendimento profonda del tessuto. News-Medical. Retrieved on December 01, 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. "Database di patologia da fare per sviluppo di analisi sulla base di immagini d'apprendimento profonda del tessuto". News-Medical. 01 December 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. "Database di patologia da fare per sviluppo di analisi sulla base di immagini d'apprendimento profonda del tessuto". News-Medical. https://www.news-medical.net/news/20170306/Pathology-database-to-be-made-for-development-of-deep-learning-tissue-image-analysis.aspx. (accessed December 01, 2020).

  • Harvard

    Philips Healthcare. 2019. Database di patologia da fare per sviluppo di analisi sulla base di immagini d'apprendimento profonda del tessuto. News-Medical, viewed 01 December 2020, https://www.news-medical.net/news/20170306/Pathology-database-to-be-made-for-development-of-deep-learning-tissue-image-analysis.aspx.