卡内基·梅隆大学的研究人员开发了一种机器学习技术，该技术可以分析胎盘样本中未来怀孕对健康的危害迹象。
该系统旨在帮助医生完成工作，医生有时会分析胎盘，以发现女性下次怀孕时可能会出现健康问题的信号。
最大的警告信号之一是血管病变，称为蜕膜性血管病变。他们的存在表明，母亲可能患有先兆子痫，该疾病使2-8％的妊娠复杂化，并且可能对母婴均致命。
知情人士：贝莱德将提交比特币ETF申请，使用Coinbase Custody定价:6月15日消息，据CoinDesk援引知情人士报道，资管巨头贝莱德将提交比特币ETF（交易所交易基金）的申请，贝莱德将使用Coinbase(COIN)Custody为ETF和加密货币交易所的现货市场数据进行定价。贝莱德从去年中旬开始与Coinbase合作，让机构投资者可以直接使用加密货币。目前尚不清楚ETF是现货还是期货。贝莱德没有立即回应置评请求。[2023/6/15 21:40:18]
如果较早发现这些病变，则可以在症状出现之前进行治疗。但是由于考试非常耗时并且需要高度专业的技能，因此很少进行。
CMU的方法旨在通过自动搜索患病血管的胎盘载玻片，使评估更容易进行。
研究员丹尼尔·克莱默在一份声明中说：“病理学家经过多年的训练，能够在这些图像中发现疾病，但是由于怀孕过程太多，因此他们没有时间去检查每个胎盘。”
“我们的算法可帮助病理学家通过扫描图像，定位血管并找到识别蜕膜性血管病变的血管模式来了解应聚焦的图像。”
系统如何运作
该团队训练了他们的算法，通过向其提供胎盘样本图像来发现病灶。
学分：卡内基梅隆大学工程学院
图像A显示带有蓝色方块的胎盘玻片，表示单个血管。B显示健康的血管，而C显示蜕膜性血管病变的作用：血管内腔周围的肥厚平滑肌。
它首先检测图像中的所有血管，然后确定每个单独的血管是否健康。该算法还权衡了怀孕的不同特征，例如胎龄和母亲所处的任何状况。如果系统检测到任何异常，则将胎盘标记为患病。
在测试中，该算法比专业病理学家更准确地将病变分类。
但是，研究人员并不期望该系统能够取代医学专业人员。相反，他们希望它标记出病理学家应该仔细观察的区域。最终，他们希望这将减少检查费用，为更多的母亲及其婴儿开放。
郑重声明： 本文版权归原作者所有， 转载文章仅为传播更多信息之目的， 如作者信息标记有误， 请第一时间联系我们修改或删除， 多谢。