Zu meinen Favoriten hinzufügen
Automatische Übersetzung anzeigen
Dies ist eine automatisch generierte Übersetzung. Wenn Sie auf den englischen Originaltext zugreifen möchten,
klicken Sie hier
#Neues aus der Industrie
{{{sourceTextContent.title}}}
Wie man tiefe Lernenhilfen Krebs-Gewebe analysiert
{{{sourceTextContent.subTitle}}}
Verbesserungen im maschinellen Sehen und im tiefen Lernen laden möglicherweise Leistungsfähigkeit auf dem Gebiet der Radiologie auf
{{{sourceTextContent.description}}}
Die Explosion der Datenspeicherungsfähigkeit und des begleitenden Tropfens der Kosten macht dieses ganzes mögliche. Die mehrfachen Schichten der Abstraktion kompiliert durch das tiefe Lernen schubst die computergesteuerte Interpretation von medizinischen Bildern vorwärts. Das Ziel ist, Muster besser zu erkennen und schneller, als Menschen können. Heute übertreffen Radiologen noch Maschinen an Leistung, aber die Computer setzen sich durch. Verbesserungen in der Krebsanerkennungsempfindlichkeit regen an, und eine Analyse zeigte an, dass ein tiefes Lernsystem eine niedrigere falsch-negative Rate als Menschen erbrachte. Andere Forscher berichteten besseres Detail und über weit höhere Geschwindigkeiten als traditionelle Verfahren.
http://emag.medicalexpo.com/#post-12539