México. Fujitsu Laboratories Ltd. anunció el desarrollo de una tecnología de IA que utiliza el aprendizaje profundo para detectar objetos, incluso en casos en los que solo hay una pequeña cantidad de datos disponibles.
En los últimos años, se han realizado esfuerzos para automatizar las tareas en una variedad de campos. En la medicina, por ejemplo, ha habido un deseo de usar IA para automatizar tareas, como la detección de objetos, incluidos puntos anómalos, en el análisis de imágenes de diagnóstico. Es típico utilizar el aprendizaje profundo en la detección de objetos, que implica identificar estructuras específicas en una imagen de diagnóstico, pero para producir resultados precisos, se necesitan decenas de miles de imágenes con datos correctos. Sin embargo, dado que estos solo pueden ser creados por médicos con conocimiento experto, ha sido difícil obtener imágenes en volúmenes tan grandes.
Ahora, Fujitsu Laboratories ha desarrollado una tecnología (pendiente de patente) que toma las estimaciones de ubicación del objeto producidas por la red neuronal de detección de objetos y las convierte en una reconstrucción de la imagen original. Luego, al evaluar la diferencia entre la imagen de entrada original y la reconstruida, puede crear grandes volúmenes de datos correctos donde la posición de los objetos se ha estimado con precisión. Esto aumenta el nivel de precisión en la detección de objetos.
Fujitsu Laboratories ha colaborado con Graduate School of Medicine en la Universidad de Kyoto y ha aplicado la tecnología recientemente desarrollada para la detección de cuerpos llamados glomeruli (glomérulus singular) en imágenes de biopsias renales. Los resultados de una evaluación mostraron que en un experimento con 50 imágenes con datos correctos y 450 sin datos correctos, en comparación con los métodos de formación existentes que usan solo el mismo número de imágenes con datos correctos, la precisión de la nueva tecnología se había más que duplicado, bajo la estipulación de una tasa de supervisión de menos del 10%.
Antecedentes de desarrollo
Las expectativas han ido en aumento para la automatización de tareas que utilizan IA en una variedad de campos en los últimos años. Fujitsu Laboratories ha estado llevando a cabo una investigación conjunta con la Graduate School of Medicine en la Universidad de Kyoto ² y una de esas iniciativas ha sido la investigación para apoyar el diagnóstico de la enfermedad renal mediante la IA. En el campo médico, existe una prueba de diagnóstico que verifica el número y el estado de las estructuras llamadas gloméruli, que manejan la filtración de sangre. La prueba usa imágenes tomadas en el microscopio de una muestra de riñón extraído en una biopsia de riñón. Sin embargo, es ampliamente conocido que hay grandes variaciones en el tiempo requerido para la tarea de encontrar glomérulos mientras se amplía la imagen, y en cómo el observador evalúa el estado de los cuerpos, incluso entre los expertos. Esto ha creado una demanda para un conteo automático y preciso del número de gloméruli y el diagnóstico.
Cuestiones
Para extraer, automáticamente los datos de posibles gloméruli de las imágenes, es necesario identificar sus ubicaciones a partir de las imágenes proporcionadas y el aprendizaje profundo es conocido como un método para identificar las ubicaciones y los tipos de objetos en las imágenes. Para este método de entrenamiento, es esencial tener grandes volúmenes de imágenes junto con información sobre las ubicaciones y tipos de objetos en las mismas (datos correctos). Sin embargo, anteriormente ha sido difícil preparar grandes volúmenes de datos correctos, porque debe ser creado por médicos con conocimiento especializado.
Planes futuros
A través de su investigación conjunta con la Graduate School of Medicine de la Universidad de Kyoto, Fujitsu se esforzará por realizar el método de evaluación cuantitativa del riñón mediante la aplicación de la nueva tecnología de detección de gloméruli. Esta tecnología no solo es aplicable a aplicaciones específicas, como imágenes de biopsias renales, sino también a la detección de objetos de manera más amplia, en campos que carecen de imágenes con los datos correctos. Por ejemplo, la compañía prevé que la tecnología se aplique a una amplia gama de áreas más allá de la atención médica, como detectar productos defectuosos utilizando imágenes de líneas de producción, identificar ubicaciones anómalas a partir de imágenes de diagnóstico utilizando una variedad de sensores en instalaciones de infraestructura y crear listas de materiales para ser utilizados a partir de planos arquitectónicos. Fujitsu Laboratories pretende implementar esta tecnología durante el año fiscal 2018 como una tecnología de construcción de modelo de aprendizaje compatible con la Plataforma de Servicio Zinrai, que hace que la tecnología de IA esté disponible a través de las APIs.
Deje su comentario