Alat Riset AI Kesehatan Terbaru dari Facebook dan NYU School of Medicine


Facebook AI Research yang tergolong dalam kategori (FAIR) dan NYU School of Medicine Center for Advanced Imaging Innovation and Research (CAI²R) mereka saling berbagi pada alat mereka beserta data open source baru sebagai bagian dari fastMRI, Apakah yang dimaskud dengan fast MRI? 

fastMRI adalah sebuah project kolaborasi bersama antara Facebook dan NYU School dengan bertujuan dalam penggunaan AI agar bisa membuat pemindaian MRI dapat bekerja lebih cepat bahkan hingga 10x lipat dari bisanya. Jika hal ini bisa berhasil maka ini bisa jadi sejarah untuk bisa menjadi tolak ukur pada masa yang akan mendatang.

Alat kesehatan terbaru dari facebook dan NYU School Medicine yang telah mempunya standarisasi beserta data yang terukur serta bisa dikatakan sangat dipastikan memadai, khususnya untuk Facebook, mereka bertujuan untuk membantu serta meningkatkan teknologi imaging diagnosa, maka dari pada itu yang berakhir pada suatu akses pasien ke teknologi yang kuat.

Facebook mempunyai harapan dimana agar pindaian dari pengukuran serta diagnosasi yang dihasilkan pada gambar lebih bisa mendeteksi kelainan dengan keakuratan yang nyata. Maka dari itu dengan terbentuknya project fastMRI ini mereka juga melibatkan komunitas AI dan para peneliti metode imaging medis yang lebih besar untuk mempercepat MR imaging.

Karya Yang Bermanfaat

Dengan membantu dalam pengatasan permasalahan pada penelitian yang mendasar terkait penggunaan AI yang masih dalam keterbatasan. Ini tidak seperrti riset yang sebelumnya pernah terjadi dimana jaringan saraf hanya memuat gambar yang menyerupai lukisan, desain modem, gambar yang dimuat oleh hasil perkembangan antara Facebook dan NYU school harus bisa seakurat dan mempunyai informasi kaya serta mendasar dengan kategori sebagai gambar MR Standarisasi. Keberhasilan dengan didorong project ini bisa lebih bermakna dalam rangka perawatan pasien.

Sejak imaging MR medis di perkenalkan agar bisa merekonstruksi pemindaian MRI, para peneliti telah mencoba dengan berbagai cara secara konsisten agar bisa mempercepat waktu pemindaian teknologi yang sebelumnya sudah ada. dimana teknologi yang sebelumnya ada itu yang mengharuskan pasien untuk bisa diam selama lebih dari satu jam. 
Tetapi seiring berjalannya waktu pada tahun 2016, penelitian dari NYU School of Medicine telah menunjukan perihal pembelajaran mesin (ML) dapat mengurangi terutama pada durasi pemindaian dengan menghasilkan gambar MR yang lengkap dari data yang parsial. Selama beberapa waktu, perangkat MRI-pun telah berhasil mengumpulkan pengururan berupa 2D individu dimana ini dikenal sebabagai k-space dalam komunitas medis imaging dan kemudian mengubahnya menjadi berbagai gambar. Dimana gambar tersebut dengan segala keterbatasan menghasil detail gambar yang mungkinmengidentifikasi tumor, pembuluh darah yang pecah, ataupun fitur diagnosa lainnya.

Inti dari semuanya yang dijelaskan dari tujuan akhir proyek fastMRI adalah menggunakan rekonstruksi gambar berbasis AI untuk bisa mencapai hingga 10x lipat pengurangan pemindaian waktu dari yang sebelumnya. 


Tantangan yang dihadapi MR

Dengan merilis database open source terbesar dari data MR yang telah dirancang untuk bisa mengatasi masalah rekonstruksi pada imaging MR, salah satu tantangan yang dihadapi bidang pada penelitian ini rekonstruksi MR ini adalah konsistensi, dengan semua tim yang menggunakan berbagai set data yang berbeda untuk melatih sistem AI mereka agar bisa bekerja dengan maksimal.

Pertumbuhan fastMRI 

Meskipun database open source-nya sudah lebih besar dari set data sebelumnya yang dirilis pada rekonstruksi MR, NYU School of Medicine telah menujukan gambar terkait dengan Scan otak dan hati, dimana scan data ini pun terdiri dari scan lutut.

Post a Comment

Previous Post Next Post