KTU 연구원은 수학 유방암을 진단하기 위하여 방법을 개발하고 있습니다

기술의 카우나스 대학, 리투아니아에 연구원의 팀은 유방암을 진단하는 것을 도울 수 있던 수학 방법을 개발하고 있습니다. 깊은 곳에서 방법을 배우기 적용해서, 연구원은 "가르칩니다" 부분적으로 자동화하고 강화하는 유방암 진단의 정확도를 적어도 허용할 악성 병변을 인식하기 위하여 컴퓨터를 조준하고 있습니다.

2014년에, 약 93.5 천명의 사람들은 EU에 있는 유방암으로, 그(것)들의 대다수 (92.5 천)이었습니다 여자 정지했습니다. 여자 사이에서, 유방암은 모든 죽음의 3.7%의 비율이었습니다. 세계 보건 기구에 따르면, 1이상 백만개의 새로운 유방암 상자는 매년마다 진단되고 있습니다. 의학 전문가의 국제 사회는 oncological 질병의 부각이 상승하고 있다는 것을 경고하고 있습니다; 리투아니아에 있는 마지막 15 년에서 75% 씩 증가되는 암 비율.

암 환자의 더 나은 대우 그리고 예후를 위해, 초기 진단은 키입니다.

"수시로 암 진단 종양 전문의에서 시각적인 정보를 의지하십시오 - 문제 조직의 심상은 병변의 본질을 결정하기 위하여 분석되고 있습니다. 이 프로세스는 시간이 걸리고 암의 경우에, 치명적일 수 있는 과오의 확율은 삭제되지 않습니다. 암 진단을 위한 수학 방법을 개발해서 우리는 적어도 부분적으로 진단 절차를 자동화하는 것을 작정이고 과오의 발생을" 극소화하기 위하여, 박사를 말합니다 Tomas Iesmantass, 기술 (KTU)의 카우나스 대학에 박사학위 취득 후 연구원.

유방암 진단을 위해, 그는 영국 연구원이 Geoffrey Hinton, 깊은 곳에서 배우기의 창시자의 사람 소개한 캡슐 신경 통신망 방법을 적응시켰습니다 (기계 배우기 방법).

Iesmantass 박사는, 그의 박사학위 취득 후 연구 관리자 교수와 함께 Robertas Alzbutas, Porto, 포르투갈의 대학에 의해 제공된 유방 조직의 100개의 현미경 심상을 분석했습니다. 견본에 있는 심상의 4가지의 모형이 있었습니다: 비 암 조직의 그들, 비침범성과 침략적인 암의 비악성 종양 조직의. 수사의 목표는 언급된 4가지의 모형으로 심상 분류를 위한 수학 방법을 디자인하기 위한 것이었습니다.

"초기 결과 아주 유망합니다 - 우리는 85% 정확도 비율"를, 말합니다 KTU 연구원을 달성했습니다.

그는 심상 분석에 대한 제 15 국제 회의에 있는 연구 및 포르투갈에 있는 승인의 결과를 소개할 것입니다. 박사 그리고 컴퓨터에 따르면 Iesmantass 약에 있는 수학 방법의 응용의 쪽이 최근에는 확장하더라도, 폐에 있는 병변을, 임파선에 있는 전이를 인식하기 위하여 진단하는 배우고 있습니다, 그리고 프로세스를 진단하는 암이 완전히 가까운 장래에 자동화해 될 뇌종양을 지방화하기 위하여, 가능성이 높지 않습니다.

"이론적인 수준에 대한 연구는 뿐만 아니라, 거기입니다 이 방법이 임상 사례에서 이미 적용된 몇몇 케이스 합니다. 비록 디지탈리스요법이 인간적인 판단을 대체하지 않더라도, 나는 자동화한 컴퓨터 진단이 시간에 일반적 되고에 더 정확하게 확인하고 진단한다고 암의 특정 모형을" 도울 것이라고, 말합니다 Iesmantass 박사를 믿습니다.

근원: https://en.ktu.edu/news/mathematical-methods-for-diagnosing-breast-cancer/

Advertisement