پزشکی پیشگیری تغذیه خواص گیاهان دسته‌بندی نشده روان شناختی زیبایی ورزش

مسیر علم داده ساکنان رادیولوژی را برای یادگیری ماشین آماده می کند

مسیر علم داده ساکنان رادیولوژی را برای یادگیری ماشین آماده می کند

پروژه های AI-ML منفرد از DSP. هر کارآموز به طراحی ، تنظیم داده ها و توسعه مدل پروژه های فردی از جمله تشخیص خونریزی در CT (A) ، ترکیب بدن شکم (B) ، و تقسیم بندی ستون فقرات کمری و ارزیابی تنگی (C) کمک کرده است. اعتبار: انجمن رادیولوژی آمریکای شمالی

بر اساس یک گزارش ویژه منتشر شده در ، یک مسیر علمی داده برای ساکنان سال چهارم رادیولوژی که به تازگی توسعه یافته است ، به آماده سازی نسل بعدی رادیولوژی کمک می کند تا به دوران هوش مصنوعی و یادگیری ماشین (AI-ML) راه پیدا کند. رادیولوژی: هوش مصنوعی.

AI-ML این امکان را دارد که با ارائه خدمات بهداشتی بهتر و کارآمد ، دارو را متحول کند. برنامه های کاربردی در در حال حاضر با سرعتی سرسام آور وارد می شوند. با این حال برنامه های درسی سازمان یافته AI-ML به چند موسسه محدود شده و فرصت های آموزش رسمی وجود ندارد.

سه نفر از ساکنان ارشد رادیولوژی در بیمارستان بریگام و زنان (BWH) در بوستون اخیراً به طراحی یک مسیر علوم داده کمک کرده اند تا یک تجربه مقدماتی کاملاً مقدماتی در AI-ML برای ساکنان سال چهارم فراهم کنند. این مسیر ترکیبی از دستورالعمل های رسمی و حل مسئله عملی با همکاری دانشمندان داده است.

والتر اف ویگینز ، نویسنده اصلی مقاله ، دکتر ، دکتر گفت: “در سراسر کشور تعدادی از برنامه های اقامت رادیولوژی وجود دارد که سعی در کشف چگونگی ادغام هوش مصنوعی در آموزش خود دارند.” “ما فکر کردیم که شاید تجربه ما به برنامه های دیگر کمک کند تا روش هایی را برای ادغام این نوع آموزش در مسیر انتخابی یا برنامه درسی اقامت عمومی ترشان پیدا کنند.”

مسیر از طریق یک برنامه انعطاف پذیر از فعالیت های آموزشی ، تجربی و تحقیقاتی در بیمارستان عمومی ماساچوست (MGH) و مرکز BWH برای علوم داده های بالینی (CCDS) ، غوطه وری در AI-ML را فراهم می کند. دکتر ویگینز و او همکاران ، M. Travis Caton ، MD ، و Kirti Magudia ، MD ، Ph.D. ، در معرض تمام جنبه های توسعه برنامه AI-ML ، از جمله تنظیم داده ها ، طراحی مدل ، کنترل کیفیت و آزمایش بالینی قرار گرفتند. ساکنان در مراحل مختلف به توسعه مدل و ابزار کمک کردند ، و کار آنها در دوره آزمایشی منجر به 12 چکیده پذیرفته شده برای ارائه در جلسات ملی شد. بازخورد از منجر به ایجاد یک برنامه درسی رسمی AI-ML برای ساکنان آینده شد.

“رادیولوژیست ها همیشه مجبور به مدیریت ، تجزیه و تحلیل و دکتر ویگینز گفت: “برای اینکه بتوانیم کارهای خود را انجام دهیم.” “ما در حال حاضر مجموعه مهارت های زیربنایی و زیرساختی را داریم که می توانیم از آنها استفاده کنیم تا به ساکنین علاقه مند به هوش مصنوعی و ML اجازه دهیم واقعاً توسعه یافته و در استفاده از اینها پیشرو شوند. مهارت های بالینی. “

این مسیر فرصت های گسترده ای را برای ساکنان فراهم می کرد تا مستقیماً با دانشمندان داده کار کنند تا درک بیشتری از نحوه برخورد آنها با مشکلات تجزیه و تحلیل تصویر با ابزار ML داشته باشند. این ارتباط ، به نوبه خود ، به دانشمندان داده کمک کرد تا درک بهتری از نحوه برخورد رادیولوژیست ها با یک مشکل رادیولوژی در یک محیط بالینی داشته باشند. دانشمندان داده می توانند به راحتی در عمل بالینی پیاده سازی شوند.

“یک م componentلفه مهم یک برنامه درسی مانند این یادگیری زبان به زبان انگلیسی است دکتر ویگینز گفت: “کمی از زبان که ما بعنوان رادیولوژیست صحبت می کنیم صحبت کنیم و به آنها بیاموزیم تا بتوانیم همکاریهای بهتر و م moreثرتری داشته باشیم.” “من فکر می کنم بهترین تجربه را کسب کردم در تمام این موارد “.

دکتر ویگینز ، کاترین آندریول ، دکترای تخصصی ، مدیر استراتژی تحقیق و عملیات در CCDS و مایکل اچ روزنتال ، دکترای دکترای خود را به عنوان راهنما و بازخورد آنها به عنوان مربیان این پروژه به حساب آوردند.

در اوایل سال جاری ، دکتر ویگینز به عنوان مدیر بالینی هوش مصنوعی در رادیولوژی دوک در دورهام ، کارولینای شمالی پذیرفت ، جایی که امیدوار است بتواند برخی از درسهایی را که از روند توسعه

وی گفت: “من همچنین امیدوارم كه افراد از م institutionsسسات دیگر بتوانند این نسخه را بخوانند و برای ادغام در برنامه درسی اقامت یا توسعه مسیرهای تخصصی برای علم اطلاعات و / یا داده ها ، كاری مفید بیابند.”


میزان تشخیص ساکن رادیولوژی از ترومای غیر تصادفی


اطلاعات بیشتر:
آماده سازی رادیولوژیست ها برای هدایت در عصر هوش مصنوعی: طراحی و اجرای یک مسیر علوم داده متمرکز برای ساکنان ارشد رادیولوژی ، pubs.rsna.org/doi/10.1148/ryai.2020200057

استناد: مسیر علم داده افراد رادیولوژی را برای یادگیری ماشینی آماده می کند (2020 ، 4 نوامبر) در تاریخ 4 نوامبر 2020 از https://medicalxpress.com/news/2020-11-science-pathway-radiology-resident-machine.html بازیابی شده است.

این برگه یا سند یا نوشته تحت پوشش قانون کپی رایت است. جدا از هرگونه معامله عادلانه با هدف مطالعه خصوصی یا تحقیق ، هیچ بخشی بدون اجازه کتبی قابل تولید نیست. محتوای مذکور فقط به هدف اطلاع رسانی ایجاد شده است.