Medicina in Biblioteca

Weblog della Biblioteca Medica "PINALI" Università degli Studi di Padova

  • Categorie

  • Archivi

  • Pagine

  • Inserisci il tuo indirizzo e-mail per iscriverti a questo blog e ricevere notifiche di nuovi messaggi per e-mail.

    Segui assieme ad altri 395 follower

  • QR Code Blog

    Scarica e installa il software direttamente dal telefonino: sito i-nigma; fotografa il codice e avrai le news dal blog sempre con te.


  • Seguimi su Libero Mobile

  • sito internet

  • Sito d'argento

L’intelligenza artificiale aiuta a diagnosticare il cancro.

Posted by giorgiobertin su aprile 20, 2016

I ricercatori dell’University of California Los Angeles – NanoSystems Institute, in un lavoro pubblicato sulla rivista “Scientific Reports” dichiarano di aver messo a punto una tecnica che combina un microscopio speciale con un algoritmo di intelligenza artificiale, non distruttivo per identificare il cancro in un campione di sangue.

Photonic+time+stretch+microscope  Photonic time stretch microscope

Come pubblicato in altri post del blog esistono attualmente altre tecniche che non utilizzano l’etichettatura, sono imprecise perché identificano le cellule tumorali basandosi solo su una sola caratteristica fisica.
La tecnica di immagini delle cellule dell’UCLA, avviene senza distruzione ed è in grado di identificare 16 caratteristiche fisiche – tra cui le dimensioni, la granularità, la luce assorbita e la biomassa – invece di una sola. Essa combina due componenti: un microscopio fotonico time stretch, che è in grado di immaginare rapidamente le immagini delle cellule nei campioni di sangue (6 milioni di immagini al secondo), e un programma per computer di apprendimento profondo che identifica le cellule tumorali con una precisione superiore al 95 per cento.
L’apprendimento profondo è una forma di intelligenza artificiale che utilizza complessi algoritmi per estrarre dati significativi, con l’obiettivo di raggiungere decisioni accurate.

Scarica e leggi il documento in full text:
Deep Learning in Label-free Cell Classification
Claire Lifan Chen, Ata Mahjoubfar, Li-Chia Tai, Ian K. Blaby, Allen Huang, Kayvan Reza Niazi & Bahram Jalali
Scientific Reports 6, Article number: 21471 (2016) doi:10.1038/srep21471

Fonte: University of California Los Angeles

Lascia un commento

Inserisci i tuoi dati qui sotto o clicca su un'icona per effettuare l'accesso:

Logo WordPress.com

Stai commentando usando il tuo account WordPress.com. Chiudi sessione / Modifica )

Foto Twitter

Stai commentando usando il tuo account Twitter. Chiudi sessione / Modifica )

Foto di Facebook

Stai commentando usando il tuo account Facebook. Chiudi sessione / Modifica )

Google+ photo

Stai commentando usando il tuo account Google+. Chiudi sessione / Modifica )

Connessione a %s...

 
%d blogger cliccano Mi Piace per questo: