• Contatto vendite Cognex: +39 02 3057 8196

  • Contatti

Blog Cognex

Perché la diagnostica per immagini è la prossima frontiera per il deep learning

Deep learning Large

La diagnostica per immagini che comprende radiografie radiologiche, ecografie e risonanze magnetiche ha sempre richiesto la flessibilità dell'occhio umano per rilevare le anomalie. I computer vengono notoriamente disorientati da sfondi confusi e da problemi di qualità dell'immagine, quali il riverbero speculare. Ciò rende incredibilmente difficile per gli algoritmi tradizionali di visione industriale localizzare con precisione un oggetto o una regione di interesse, soprattutto per identificare anomalie all'interno di un contesto non strutturato. Può richiedere molto tempo ed essere un compito difficile, se non impossibile, per un sistema automatico identificare con successo la regione di interesse ignorando caratteristiche irrilevanti.

Attualmente tuttavia l'analisi di immagine basata sul deep learning può automatizzare la ricerca di anomalie biologiche in maniera affidabile, ripetibile e solida. Ciò sta cambiando il ruolo del radiologo di oggi che può ora trarre vantaggio da una diagnosi assistita da computer (CAD) per la diagnostica per immagini. Indipendentemente dal fatto che si ricerchi un'anomalia specifica, come un tumore, o una qualsiasi deviazione rispetto all'aspetto normale del corpo, Cognex Deep Learning combina la flessibilità dell'occhio di un ispettore umano alla velocità e alla robustezza di un sistema computerizzato. Due strumenti specializzati contribuiscono a questo processo. Lo strumento di localizzazione identifica la regione di interesse, come un certo organo, anche quando lo sfondo è visivamente confuso o poco contrastato. Lo strumento di rilevamento dei difetti utilizza una serie di immagini di allenamento per sviluppare un modello di riferimento dell'aspetto normale di quell'organo, oltre a specifici tipi di anomalie, in modo da poter segnalare come difetti eventuali anomalie che si discostano dalla normale fisiologia della zona interessata.

Alcuni esempi notevoli comprendono l'utilizzo di strumenti basati sul deep learning per localizzare e identificare organi o impianti in una radiografia. Lo strumento di localizzazione può localizzare un organo specifico imparando le sue caratteristiche distintive. Per addestrare lo strumento di localizzazione, tutto ciò che occorre fornire sono immagini in cui sono contrassegnate le caratteristiche mirate. Analogamente, gli strumenti di rilevamento e segmentazione dei difetti basati sul Deep Learning, come lo strumento di rilevamento dei difetti di Cognex Deep Learning, possono aiutare a identificare le anomalie in un'immagine medica. Lo strumento di rilevamento dei difetti sviluppa un modello di riferimento dell'aspetto normale di un organo, nonché delle anomalie specifiche, sulla base di una serie di immagini campione. Eventuali anomalie che divergono dalla fisiologia normale della zona di interesse sono contrassegnate per una diagnosi CAD (assistita da computer) da parte di un radiologo esperto.

Per saperne di più sulle nuove ed entusiasmanti applicazioni del deep learning alla diagnostica per immagini, scarica la guida gratuita: Cognex Deep Learning per Life Sciences.

Blog correlati:

RICHIEDI L'ACCESSO PER OTTENERE SUPPORTO E FORMAZIONE SUI PRODOTTI E MOLTO ALTRO

REGISTRATI A MYCOGNEX

AVETE DELLE DOMANDE?

I rappresentanti Cognex sono disponibili in tutto il mondo per supportarvi nelle vostre necessità di lettura dei codici a barre industriali

CONTATTI
Loading...