ພັດທະນາລະບົບ AI-powered algorithm ເພື່ອກໍານົດໄຂມັນ visceral

ໄຂມັນ Visceral, ຊັ້ນອັນຕະລາຍຂອງໄຂມັນຫນ້າທ້ອງທີ່ອ້ອມຮອບອະໄວຍະວະຂອງຮ່າງກາຍ, ແມ່ນປະກອບສ່ວນຕໍ່ບັນຫາສຸຂະພາບທີ່ຮ້າຍແຮງເຊັ່ນ: ພະຍາດຫົວໃຈ, ພະຍາດເບົາຫວານແລະມະເຮັງ.

ນັກຄົ້ນຄວ້າໃນປະເທດອົດສະຕາລີກໍາລັງພັດທະນາລະບົບປັນຍາທຽມ (AI) ທີ່ສາມາດຄາດຄະເນຈໍານວນ "ໄຂມັນທີ່ເຊື່ອງໄວ້" ອັນຕະລາຍ (ຫຼືເອີ້ນວ່າໄຂມັນ visceral) ຈາກການສະແກນຄວາມຫນາແຫນ້ນຂອງກະດູກ - ເຊິ່ງຖືກນໍາໃຊ້ເພື່ອກວດພົບການກະດູກຫັກຂອງກະດູກສັນຫຼັງ.

ໃນຖະແຫຼງການ, ມະຫາວິທະຍາໄລ Edith Cowan (ECU) ຂອງອົດສະຕຣາລີ ກ່າວໃນວັນທີ 4 ກັນຍານີ້ວ່າ: ໄຂມັນໃນທ້ອງ, ຊັ້ນອັນຕະລາຍຂອງໄຂມັນໜ້າທ້ອງທີ່ອ້ອມຮອບອະໄວຍະວະຕ່າງໆຂອງຮ່າງກາຍ, ເປັນປັດໃຈທີ່ເຮັດໃຫ້ເກີດບັນຫາສຸຂະພາບຮ້າຍແຮງເຊັ່ນ: ພະຍາດຫົວໃຈ, ພະຍາດເບົາຫວານ ແລະມະເຮັງ.

ທີມງານຄົ້ນຄ້ວາ ECU ກໍາລັງຝຶກອົບຮົມລະບົບການຮຽນຮູ້ເຄື່ອງຈັກເພື່ອວິເຄາະການສະແກນ X-ray ການດູດຊຶມຂອງກະດູກສັນຫຼັງ dual-energy X-ray (DXA), ນໍາໃຊ້ເພື່ອປະເມີນຄວາມຫນາແຫນ້ນຂອງກະດູກ, ເພື່ອຄາດຄະເນໄຂມັນ visceral ຈາກຮູບພາບເຫຼົ່ານີ້ຢ່າງຖືກຕ້ອງ, ສະຫນອງຄວາມເຂົ້າໃຈດ້ານສຸຂະພາບໃຫມ່ທີ່ມີຄຸນຄ່າໂດຍບໍ່ຈໍາເປັນຕ້ອງມີການທົດສອບເພີ່ມເຕີມ.

ວິທີການປະຈຸບັນສໍາລັບການປະເມີນໄຂມັນ visceral, ເຊັ່ນ: ດັດຊະນີມະຫາຊົນຂອງຮ່າງກາຍ (BMI), ຮອບແອວ, ແລະອັດຕາສ່ວນແອວກັບສະໂພກ, ມີຂໍ້ຈໍາກັດເພາະວ່າພວກເຂົາບໍ່ສາມາດຈໍາແນກປະເພດຕ່າງໆຂອງໄຂມັນໃນຮ່າງກາຍ, ນໍາໄປສູ່ການປະເມີນຄວາມບໍ່ສອດຄ່ອງຂອງຄວາມອ້ວນ, ອີງຕາມນັກຄົ້ນຄວ້າ.

ເຕັກນິກການຖ່າຍຮູບເຊັ່ນ: ການຖ່າຍພາບສະທ້ອນແສງແມ່ເຫຼັກ (MRI) ແລະ tomography ຄອມພິວເຕີ້ (CT) ສາມາດວັດແທກໄຂມັນ visceral ໄດ້ຢ່າງຖືກຕ້ອງແຕ່ມີລາຄາແພງແລະໃນກໍລະນີຂອງ CT, ສາມາດເຮັດໃຫ້ຄົນເຈັບໄດ້ຮັບລັງສີທີ່ສູງຂຶ້ນ.

ທ່ານ Syed Zulqarnain Gilani, ອາຈານອາວຸໂສ ແລະ ນັກວິທະຍາສາດ AI ຊັ້ນນໍາຂອງ ECU, ກ່າວວ່າ ຮູບແບບການຮຽນຮູ້ຂອງເຄື່ອງຈັກໄດ້ຮັບການຝຶກອົບຮົມກ່ຽວກັບຮູບພາບຫຼາຍພັນຮູບ, ຂັ້ນຕອນຕໍ່ໄປແມ່ນການລວມເອົາຊຸດຂໍ້ມູນຈາກທົ່ວໂລກຫຼາຍຂຶ້ນ ເພື່ອໃຫ້ມີປະສິດທິພາບເທົ່າທີ່ຈະເປັນໄປໄດ້./.

(ສຳນັກຂ່າວສານຫວຽດນາມ/Vietnam+)

ທີ່ມາ: https://www.vietnamplus.vn/phat-trien-thuat-toan-su-dung-ai-de-xac-dinh-luong-mo-trong-noi-tang-post1059916.vnp