Aviso: Esta página é uma tradução automática da página original em inglês. Por favor note uma vez que as traduções são geradas por máquinas, não tradução tudo será perfeita. Este site e suas páginas da Web destinam-se a ler em inglês. Qualquer tradução deste site e suas páginas da Web pode ser imprecisas e imprecisos no todo ou em parte. Esta tradução é fornecida como uma conveniência.

Base de dados da patologia a ser feita para a revelação da análise de imagem de aprendizagem profunda do tecido

Philips e LabPON reais, o primeiro laboratório clínico à transição ao diagnóstico digital de uma histopatologia de 100 por cento, anunciaram hoje seus planos para criar uma base de dados digital de grupos agregados maciços de imagens anotadas da patologia e de dados grandes que utilizam a solução da patologia de Philips IntelliSite.

A base de dados fornecerá patologistas uma riqueza da informação clínica para a revelação de algoritmos da analítica da imagem para a patologia e a educação computacionais da patologia, ao promover a pesquisa e a descoberta para desenvolver as introspecções novas para a avaliação da doença, incluindo o cancro.

Os algoritmos de aprendizagem profundos têm o potencial melhorar a objectividade e a eficiência no diagnóstico do tecido do tumor. Nos últimos anos, as técnicas de aprendizagem profundas do `' para a análise de imagem rapidamente transformaram-se o último modelo na visão de computador e ultrapassaram-se o desempenho humano em um número de tarefas.

O desafio para executar técnicas profundamente de aprendizagem está tendo o acesso a uma base de dados com suficientes dados do volume alto e os de alta qualidade de que para desenvolver os algoritmos. Como um dos laboratórios de patologia os maiores nos Países Baixos, LabPON contribuirá seu repositório de aproximadamente 300.000 imagens que de corrediça inteiras (WSI) criam em perspectiva todos os anos à base de dados.

Isto conterá conjunto de dados de-identificados dos casos anotados que são comentados manualmente pelo patologista, e compreendê-los-á de uma grande variedade de tipos do tecido e da doença, assim como da outra informação diagnóstica pertinente para facilitar profundamente aprender.

A aprendizagem profunda centra-se sobre a revelação dos programas informáticos avançados que compreendem automaticamente e traçam digital imagens do tecido no detalhe considerável: Mais dados disponíveis, mais refinada a análise de computador será. Junto, LabPON e Philips têm a competência e as habilidades para realizar esta.”  

Peter Hamilton, analítica da imagem do líder do grupo em soluções da patologia de Philips Digital.

Durante um momento aonde a falta do patologista montasse e número de dossiers do cancro fosse increasing3,4, o diagnóstico e a classificação exactos do cancro tornaram-se cada vez mais complexos, colocando pressões significativas em serviços da patologia. As tecnologias tais como a patologia computacional, podiam ajudar patologistas com ferramentas a trabalhar na maioria de maneira eficaz possível.

“O papel do patologista permanece importante fazendo o diagnóstico definitivo, que tem um de alto impacto no tratamento do paciente. Software ferramenta poderia para ajudar para aliviar parte de patologista' para trabalhar como identificando tumor pilha, contando pilhas mitotic ou identificando o crescimento perineural e vaso-invasor, também realizando medidas em uma maneira mais exacta e mais precisa,” disse Alexi Baidoshvili, patologista em LabPON. “Isto finalmente podia ajudar a melhorar a qualidade do diagnóstico e a fazê-la mais objetiva.”  
Ao lado da revelação de algoritmos computacionais para o uso diagnóstico, Philips pretende fazer disponível a base de dados às instituições de pesquisa e a outros sócios através de sua plataforma translational da pesquisa. Isto poderia permitir partidos selecionados de interrogar e combinar conjunto de dados maciços com o objetivo para descobrir as introspecções novas que finalmente poderiam ser traduzidas em opções personalizadas novas do tratamento para pacientes.    

Philips está apresentando sua carteira de soluções da patologia na cabine #202 nos Estados Unidos e na academia canadense da reunião 2017 anual da 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). Base de dados da patologia a ser feita para a revelação da análise de imagem de aprendizagem profunda do tecido. News-Medical. Retrieved on November 25, 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 dados da patologia a ser feita para a revelação da análise de imagem de aprendizagem profunda do tecido". News-Medical. 25 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 dados da patologia a ser feita para a revelação da análise de imagem de aprendizagem profunda do tecido". 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 25, 2020).

  • Harvard

    Philips Healthcare. 2019. Base de dados da patologia a ser feita para a revelação da análise de imagem de aprendizagem profunda do tecido. News-Medical, viewed 25 November 2020, https://www.news-medical.net/news/20170306/Pathology-database-to-be-made-for-development-of-deep-learning-tissue-image-analysis.aspx.