Digital T힌크 T앙 (DTT)

인공 지능은 피부 알레르기 테스트를 평가하는 데 도움이 됩니다.

폴란드 과학자들은 스킨로직- 보다 효율적인 피부 알레르기 테스트와 보다 신뢰할 수 있는 결과를 가능하게 하는 솔루션 개발. 이 방법은 비디오 및 열화상 카메라와 이미지를 마지막 픽셀까지 분석하는 시스템을 사용합니다.

설명된 솔루션의 저자는 바르샤바 공과 대학 전자 정보 기술 학부, Jacek Stępień 교수 팀(Milton Essex 회사) 및 Military Medical Institute의 전문가입니다.

임상 테스트는 매우 좋은 결과를 보였습니다. 시스템은 드문 경우를 포함하여 최대 98%의 사례를 정확하게 식별합니다. Allergien. 또한, 스킨로직 최대 직경 0,3mm의 병변을 감지할 수 있습니다.

 이미지 출처 : Pixabay

스킨로직 개발 및 운영

WUT(Warsaw University of Technology)의 보도 자료에서 지적한 바와 같이 IT 관점에서 SkinLogic은 데이터 처리 시스템. 이 장치는 삼각대와 처음에 언급한 카메라로 구성됩니다. 검사 중 환자의 손은 스탠드에 고정되어야 합니다. 이 장치는 특정 시간에 가시광선과 적외선으로 사진을 찍고 알레르겐으로 처리된 피부 조각에서 일어나는 일을 기록합니다. 디지털 문서를 사용할 수 있게 되면 PW를 편집할 차례입니다. 연산 사용할 수 있습니다.

중요한 것은 알레르기 반응(수포)을 측정하는 일반적인 수동 방법을 사용하면 결과가 완전히 정확하지 않다는 것입니다. 그러나 SkinLogic을 사용하는 경우 알고리즘에 의해 측정이 수행됩니다. 또한 시스템은 반응의 크기와 다음과 같은 기타 매개변수를 모두 확인합니다. B. 그들의 모양. 원적외선 스펙트럼으로 얻은 이미지는 이에 유용합니다.

디지털 자료 분석

분석하는 동안 이미지는 피부의 절개 위치에 해당하는 세그먼트로 나뉩니다(각 세그먼트는 개별적으로 검사할 수 있음). 시간 경과에 따른 데이터 분석을 통해 세그먼트가 어떻게 변경되었는지 확인할 수 있습니다.

인공 지능 시스템의 입력 데이터는 어디에서 왔습니까? 그들은 1500명의 환자를 대상으로 한 임상 시험에서 의사가 수집한 100개의 알레르기 피부 반응 이미지(기록)를 사용했습니다. 이를 통해 알고리즘은 알레르기 반응을 나타내는 이미지와 그렇지 않은 이미지를 인식하는 방법을 학습할 수 있습니다.

카메라 이미지에서 얻는 것은 100x100 픽셀 이미지입니다. 알레르기성 수포를 검사하는 의사는 육안으로 볼 수 있는 부위만 가지고 있습니다. 우리는 이미지의 모든 픽셀을 검사합니다. 표준 진단은 단일 값을 기반으로 하는 반면 인공 지능이 테스트한 응답은 수백만 개의 값과 인식된 조합을 기반으로 한다고 말할 수 있습니다."라고 학과장인 Robert Nowak 교수는 설명합니다. 인공 지능. 인간이 이러한 패턴을 찾는 것은 극히 어려울 것입니다. ㅏ 훈련된 알고리즘 이 작업을 신속하게 수행하고 매우 정확합니다. 더 많은 데이터는 제거해야 할 더 많은 노이즈를 의미하지만 알고리즘은 이 문제도 처리할 수 있습니다. 우리 시스템은 의료 컨소시엄에서 개발한 일련의 패턴을 사용하여 훈련되었기 때문에 고품질 기반을 갖추고 있습니다."라고 연구원이 덧붙였습니다.

진단 및 치료 계획 개선

이 시스템은 현재 사전 등록의 일환으로 테스트 중입니다. 임상 실습에 사용되면 귀중한 도움이 될 수 있습니다. 더 빠르다는 뜻 진단, 자료의 디지털 획득으로 보다 정확한 결과를 제공하고 다른 전문가와 보다 쉽게 ​​상담할 수 있습니다.

컨볼루션 신경망에 의한 열화상 기반 피부 알레르기 반응 인식"이라는 기사가 XNUMX월 중순 Scientific Reports 저널에 게재되었습니다.