Künstliche Intelligenz zur Verbesserung der Auflösung von brain magnetic resonance imaging

Forscher des ICAI-Gruppe–Computational Intelligence-und Bildanalyse der Universität von Málaga (UMA) haben eine beispiellose Methode, die fähig ist, die Verbesserung der Gehirn-Bildern, die durch die Magnet-Resonanz-Bildgebung unter Verwendung künstlicher Intelligenz.

Dieses neue Modell führt zur Erhöhung der Bildqualität von der niedrigen Auflösung zu der hohen Auflösung, ohne zu verzerren die Patienten “ Gehirn-Strukturen, mit einer Tiefe lernen künstliche neuronale Netzwerk –Modell basiert auf der Funktionsweise des menschlichen Gehirns–das „lernt“ diesen Prozess.

„Deep learning basiert auf sehr große neuronale Netzwerke, und so ist seine Fähigkeit zu lernen, zu erreichen, die Komplexität und die Abstraktion eines Gehirns“, erklärt der Forscher Karl Thurnhofer, Haupt-Autor der Studie, fügt hinzu, dass, Dank dieser Technik, die Aktivität der Identifizierung kann allein durchgeführt werden, ohne Aufsicht; eine Identifikation Anstrengung, die das menschliche Auge nicht in der Lage wäre zu tun.

Veröffentlicht in der Zeitschrift „Neurocomputing“ diese Studie stellt einen wissenschaftlichen Durchbruch, da der Algorithmus entwickelt, durch die der UMA ergibt genauere Ergebnisse in kürzerer Zeit, mit klaren Vorteilen für die Patienten. „So weit, den Erwerb von Qualität Gehirn-Bilder ist abhängig von der Zeit, die der patient blieb unbeweglich in den scanner; mit unserer Methode, Bildbearbeitung erfolgt später am computer“, erklärt Thurnhofer.

Nach Meinung der Experten, die Ergebnisse ermöglichen es den Spezialisten zu identifizieren Gehirn-Krankheiten, wie körperliche Verletzungen, Krebs oder sprechstörungen, unter anderem mit erhöhter Genauigkeit und definition, denn die Bildausschnitte sind dünner, so dass die Leistung von zusätzlichen tests, wenn die Diagnose unsicher.