CARMIL: การเรียนรู้แบบจำแนกอินสแตนซ์หลายตัวแบบคำนึงถึงบริบทสำหรับภาพสไลด์ทั้งหมด CARMIL: การเรียนรู้แบบจำแนกอินสแตนซ์หลายตัวแบบคำนึงถึงบริบทสำหรับภาพสไลด์ทั้งหมด ในยุคที่เทคโนโลยีทางการแพทย์มีความก้าวหน้าอย่างต่อเนื่อง การนำปัญญาประดิษฐ์ (AI) เข้ามาประยุกต์ใช้ในการวินิจฉัยโรคจากภาพทางการแพทย์กำลังได้รับความนิยมเพิ่มขึ้นอย่างรวดเร็ว หนึ่งในความท้าทายที่สำคัญคือการวิเคราะห์ภาพสไลด์ทั้งหมด (Whole Slide Images: WSIs) ซึ่งเป็นภาพขนาดใหญ่ที่มีความละเอียดสูงมาก การวิเคราะห์ WSIs นั้นมีความซับซ้อนและใช้เวลานาน ดังนั้น เทคนิคการเรียนรู้เชิงลึก (Deep Learning) จึงเข้ามามีบทบาทสำคัญในการช่วยลดภาระงานของนักรังสีวิทยา CARMIL เป็นสถาปัตยกรรมแบบใหม่สำหรับการเรียนรู้แบบจำแนกอินสแตนซ์หลายตัว (Multiple Instance Learning: MIL) บน WSIs โดยคำนึงถึงบริบท ซึ่งเป็นวิธีการที่มีประสิทธิภาพในการจัดการกับข้อมูลภาพขนาดใหญ่และไม่มีป้ายกำกับ CARMIL ใช้ประโยชน์จากความสัมพันธ์เชิงพื้นที่ระหว่างอินสแตนซ์ (เช่น เซลล์หรือเนื้อเยื่อ) ใน WSIs เพื่อปรับปรุงประสิทธิภาพของแบบจำลองในการทำนาย ความท้าทายของการว...
โปรดใช้วิจารณญาณในการอ่านและรับชมเนื้อหาภายในเว็บไซต์ ควรหาข้อมูลเพิ่มเติมทุกครั้ง บทความภายในเว็บไซต์นี้ไม่ได้แสดงข้อเท็จจริงใด ๆ ไม่สามารถใช้อ้างอิงหรือใช้ในทางที่ก่อให้เกิดความเสียหายต่อผู้อื่นได้ ซึ่งรูปภาพประกอบและวันที่เผยแพร่บทความอาจไม่เกี่ยวข้องกับเนื้อหาหรือตรงกับความเป็นจริงในปัจจุบัน และเนื่องจากบทความมีการเผยแพร่อัตโนมัติ หากพบเห็นบทความไม่เหมาะสม หรือผิดวัตถุประสงค์ที่กล่าวไว้ข้างต้นสามารถแจ้งลบได้ทันที