Bukweon Kimและเพื่อนร่วมงานจากมหาวิทยาลัย Yonseiได้พัฒนาวิธีการเรียนรู้ด้วยเครื่องสำหรับการวิเคราะห์ภาพอัลตราซาวนด์ของทารกในครรภ์โดยอัตโนมัติ พวกเขารายงานระดับความแม่นยำที่ยอดเยี่ยมในการกำหนดพารามิเตอร์ไบโอเมตริกซ์ของทารกในครรภ์ด้วยวิธีนี้ ในปัจจุบัน เช่น การวัดเส้นรอบวงศีรษะของทารกในครรภ์และเส้นรอบวงท้อง (AC) เป็นการประมาณด้วยตนเองจากภาพ
อัลตราซาวนด์โดยแพทย์ผู้ชำนาญ
พารามิเตอร์เหล่านี้เป็นเกณฑ์มาตรฐานที่มีประโยชน์ในการวัดอายุครรภ์ แต่กระบวนการนี้อาจใช้เวลานานและลำบาก เพื่อแก้ไขปัญหาเหล่านี้ ทีมวิจัยได้พัฒนาวิธีการเรียนรู้ด้วยเครื่องที่คำนึงถึงการตัดสินใจของแพทย์เพื่อทำให้กระบวนการประมาณค่าเป็นไปโดยอัตโนมัติในการเปรียบเทียบ ความพยายามครั้งก่อนในการทำให้การประมาณค่าไบโอเมตริกของทารกในครรภ์เป็นแบบอัตโนมัตินั้นอาศัยความเข้มของภาพ ซึ่งมักจะนำไปสู่การแบ่งส่วนที่ดีของโครงสร้างทางกายวิภาคที่ตัดกันอย่างดี แต่อาจล้มเหลวเมื่อทำการวัดคุณลักษณะที่มีคอนทราสต์ต่ำ
แทนที่แพทย์ด้วยอัลกอริธึมการเรียนรู้ด้วยเครื่องนักวิจัยใช้แนวทางสามขั้นตอน ในขั้นตอนแรก พวกเขาได้รับการประมาณการเบื้องต้นของ AC พวกเขาใช้โครงข่ายประสาทเทียม (CNN) เพื่อตรวจสอบฟองในกระเพาะอาหาร น้ำคร่ำ และเส้นเลือดที่สะดือในภาพอัลตราซาวนด์ และจากคุณสมบัติทั้งสามนี้ ได้ค่าประมาณของ AC
ความแปลกใหม่ของแนวทางของ Kim มีอยู่ในขั้นตอนที่สอง โดยที่รูปภาพร่วมกับการประเมินของ AC ถูกป้อนลงใน CNN ที่สอง ซีเอ็นเอ็นนี้ใช้ข้อมูลเหล่านี้เพื่อประเมินตำแหน่งของโครงสร้างกระดูก เช่น ซี่โครงของแม่ ข้อมูลนี้ถูกใช้เพื่อปรับแต่งค่าประมาณการไฟฟ้ากระแสสลับเริ่มต้น
ในขั้นตอนสุดท้าย นักวิจัยได้ส่งการ
วัดกระแสสลับขั้นสุดท้ายพร้อมกับภาพอัลตราซาวนด์ไปยัง CNN ระดับหนึ่งที่เรียกว่า U-net U-net ตัดสินใจว่าจะยอมรับหรือปฏิเสธภาพอัลตราซาวนด์ร่วมกับค่าประมาณ AC หรือไม่ในลักษณะที่เลียนแบบการตัดสินใจของแพทย์ ด้วยวิธีนี้ เครื่องจะเรียนรู้สิ่งที่ควรมองหา
Kim และเพื่อนร่วมงานใช้ภาพ 112 ภาพเพื่อฝึก CNN และ U-net แต่ละรายการ และ 62 ภาพเพื่อประเมินเส้นรอบวงช่องท้อง พวกเขาได้รับการแบ่งส่วนภาพอัลตราซาวนด์ที่แม่นยำ รวมถึงภาพที่เครื่องปฏิเสธเนื่องจากแสดงระนาบกายวิภาคที่ไม่ถูกต้อง ใน 87.10% ของกรณีการตรวจสอบ
รายละเอียดเพิ่มเติมเพื่อการวินิจฉัยที่ดีขึ้นมีระบบเชิงพาณิชย์เพื่อประเมินปริมาตรช่องท้องจากภาพอัลตราซาวนด์ อย่างไรก็ตาม วิธีการเหล่านี้มักไม่เป็นไปตามข้อกำหนดทางคลินิกเนื่องจากไม่สามารถใช้ข้อมูลโครงสร้างภายในภาพอัลตราซาวนด์ได้ เช่น สิ่งประดิษฐ์จากการแรเงาที่เกิดจากซี่โครง ด้วยการใช้ CNN และ U-net ร่วมกัน คิมและเพื่อนร่วมงานได้แสดงให้เห็นว่าเครื่องมีความสามารถในการเรียนรู้วิธีให้ข้อมูลโครงสร้างนี้ ซึ่งสามารถช่วยเหลือแพทย์ด้วยการแบ่งกลุ่มภาพโดยอัตโนมัติด้วยระดับความแม่นยำที่ดี
ในยุโรป การลงทุนในกราฟีนเพื่อปรับแต่งมูลค่า 1 พันล้าน
ยูโรในรูปแบบของกราฟีนแฟล็กชิพ ได้สร้างมาตรฐานที่สูงอย่างไม่เคยปรากฏมาก่อนสำหรับความคาดหวังต่อมูลค่าของวัสดุ ในขณะที่การวิจัยเพียงเล็กน้อยสามารถทำได้โดยไม่ได้รับเงินทุน แต่เงินทุนเพียงอย่างเดียวก็รับประกันได้ว่าการวิจัยจะประสบความสำเร็จในเชิงพาณิชย์เพียงเล็กน้อย และไม่ควรละเลยความยากของงานเมื่อตั้งคำถามถึงเวลาที่ใช้ในการลงทุนในการวิจัยกราฟีน เพื่อลดขั้นตอนอย่างน้อยหนึ่งขั้นตอน หุ้นส่วนของ Graphene Flagship Graphenea ได้เปิดตัวบริการ Graphene Foundryโดยมีเป้าหมายเพื่อ “เปิดใช้งานการสร้างต้นแบบอุปกรณ์อย่างรวดเร็วและเร่งการพัฒนาแอปพลิเคชันใหม่ ช่วยลดอุปสรรคในการเข้าสู่โซลูชันที่ใช้กราฟีน”
โรงหล่อเสนอให้ผลิตการออกแบบวงจรแบบกำหนดเองบนเวเฟอร์กราฟีนได้ถึง 6” และรับประกันการควบคุมคุณภาพอย่างเข้มงวดสำหรับตัวอย่างทั้งหมดโดยใช้รามันสเปกโทรสโกปี กล้องจุลทรรศน์แบบออปติคัล และการทดสอบทางไฟฟ้า แม้ว่าคุณจะสามารถใส่อุปกรณ์ทรานซิสเตอร์ของ Grapehenea field effect ได้ในราคา $385 แต่เวเฟอร์ขนาด 4” อาจทำให้คุณกลับมาที่ $7,950.00 ได้ เมื่อพิจารณาถึงมูลค่าที่วางไว้ในตลาดกราฟีนเมื่อมีการปลดปล่อยศักยภาพที่แท้จริงออกมา บางคนอาจกล่าวว่าตัวเลือกที่เลี่ยงไม่พ้นผู้ค้าดินสอและข้อผิดพลาดในการผลิตอื่นๆ จะมีราคาถูกเป็นสองเท่าของราคา
ความปั่นป่วนเล็กน้อยในระดับมิลลิเมตรทำให้แพลงก์ตอนพืชที่ว่ายน้ำก่อตัวเป็นหย่อมหนาแน่นตามที่นักวิจัยในเยอรมนีและสหราชอาณาจักรกล่าว การวิจัยสามารถเพิ่มความเข้าใจของเราเกี่ยวกับการกระจายตัวของแพลงก์ตอนพืชในมหาสมุทรและทะเลสาบ และช่วยทำนายและอาจป้องกัน – การเกิดขึ้นของบุปผาสาหร่ายที่เป็นพิษ
แพลงก์ตอนพืชเป็นสาหร่ายขนาดเล็กที่อาศัยอยู่ใกล้พื้นผิวมหาสมุทรและทะเลสาบ แพลงก์ตอนพืชบางชนิดเคลื่อนที่ได้ ซึ่งหมายความว่าพวกมันสามารถขับเคลื่อนตัวเองไปข้างหน้าได้ เช่นเดียวกับพืช พวกมันได้รับพลังงานจากดวงอาทิตย์โดยการสังเคราะห์ด้วยแสงและผลิตออกซิเจนมากกว่า 50% ที่เราหายใจเข้าไป สิ่งมีชีวิตยังมีบทบาทสำคัญในการควบคุมระดับคาร์บอนไดออกไซด์ในบรรยากาศ
สาหร่ายบานสะพรั่งเกิดขึ้นเมื่อปัจจัยแวดล้อม เช่น ความพร้อมของสารอาหารและอุณหภูมิของน้ำ เอื้ออำนวยต่อการสืบพันธุ์ของสาหร่ายอย่างรวดเร็ว บุปผาสามารถทำลายสัตว์ป่า การประมง และการท่องเที่ยวได้โดยการปิดกั้นแสงแดดและโดยการปล่อยสารพิษลงไปในน้ำโดยสาหร่าย
Credit : เกมส์ออนไลน์แนะนำ >>>เว็บสล็อตแตกง่าย