Исследователи используют машинное обучение для диагностики рака яичников

«Существующие методы в основном основаны на размере и форме поражения яичников, что не позволяет точно диагностировать предшествующий рак яичников и оценивать риск больших поражений придатков/яичников», — сказал Чжу, цитируемый в официальном релизе университета. Eurekalert в четверг (1/12)./2022).

По словам Чжу, фотоакустическая визуализация добавляет больше функциональной информации о сосудистом контрасте от концентрации гемоглобина и насыщения крови кислородом.

Юн Цзоу, докторант, участвовавший в исследовании, разработал модель машинное обучение новый. Он объединил нейронную сеть (нейронная сеть) УЗИ с нейронная сеть Фотоакустическая томография для диагностики поражений яичников.