导读 对于外行人来说，MRI 或 X 光片等医学图像看起来就像是一堆模糊的黑白斑点。要分辨出一个结构(如肿瘤)的尽头和另一个结构的起点可能很困...
对于外行人来说，MRI 或 X 光片等医学图像看起来就像是一堆模糊的黑白斑点。要分辨出一个结构(如肿瘤)的尽头和另一个结构的起点可能很困难。
当训练 AI 系统理解生物结构的边界时，它可以分割(或描绘)医生和生物医学工作者想要监测的疾病和其他异常区域。人工智能助手可以代替他们手动在许多图像中追踪解剖结构，而不必浪费宝贵的时间。
问题在于，研究人员和临床医生必须标记无数图像来训练他们的 AI 系统，然后它才能准确地进行分割。例如，你需要在大量 MRI 扫描中注释大脑皮层，以训练监督模型来了解皮层的形状在不同大脑中是如何变化的。
为了避免这种繁琐的数据收集工作，麻省理工学院计算机科学与人工智能实验室 (CSAIL)、麻省总医院 (MGH) 和哈佛医学院的研究人员开发出了交互式的“ScribblePrompt”框架：这是一种灵活的工具，可以帮助快速分割任何医学图像，甚至是以前从未见过的类型。
研究团队没有让人类手动标记每张图片，而是模拟了用户如何注释超过 50,000 张扫描图像，包括 MRI、超声波和照片，涵盖眼睛、细胞、大脑、骨骼、皮肤等结构。
为了标记所有这些扫描，该团队使用算法模拟人类如何在医学图像的不同区域上涂鸦和点击。除了常用的标记区域外，该团队还使用超像素算法(该算法可找到具有相似值的图像部分)来识别医学研究人员感兴趣的潜在新区域并训练 ScribblePrompt 对其进行分割。这些合成数据使 ScribblePrompt 能够处理来自用户的真实分割请求。
标签：
免责声明：本文由用户上传，如有侵权请联系删除！