机器学习可帮助分娩后的母亲预防怀孕问题从而挽救生命
机器学习可以帮助分娩后的母亲预防随后的怀孕问题，从而挽救他们的生命和未来婴儿的生命。
该技术通过自动检测实验室载玻片上胎盘中称为蜕膜性血管病变（DV）的微观异常而起作用。当前，由于围产期病理学家超额预订，许多胎盘在进行DV检查之前被丢弃。
研究人员开发了AI方法来帮助解决这一不足，其主要目的是预防先兆子痫，这是一种危险疾病，会影响所有孕妇的2%至8%。
这项工作是在卡内基梅隆大学和匹兹堡大学医学中心进行的。它在《美国病理学杂志》上运行。
该团队拥有跨学科病理学，计算机科学和机械工程方面的多学科专业知识。
主要作者丹尼尔·克莱默（Daniel Clymer）博士及其同事写道：“最终，该方法将允许以更标准化的方式筛查更多胎盘，从而提供有关哪些病例将从更深入的病理学检查中受益最大的反馈。”
在新闻发布会上通过发行杂志爱思唯尔发，克莱默补充说，病理学家不必为重新进入就业市场做好准备。
他说：“此处的目标是，通过标记病理医生应仔细观察的图像区域，这种算法可能能够帮助加快处理过程。”
责编AJX
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。
举报投诉
-
AI
+关注
关注
87文章
29765浏览量
268047 -
人工智能
+关注
关注
1789文章
46630浏览量
236972 -
机器学习
+关注
关注
66文章
8346浏览量
132289
发布评论请先 登录
相关推荐
AI for Science：人工智能驱动科学创新》第4章-AI与生命科学读后感
。
4. 对未来生命科学发展的展望
在阅读这一章后，我对未来生命科学的发展充满了期待。我相信，在人工智能技术的推动下，生命科学将取得更加显著的进展。例如，在药物研发领域，AI技术将
发表于 10-14 09:21
【「时间序列与机器学习」阅读体验】时间序列的信息提取
个重要环节，目标是从给定的时间序列数据中提取出有用的信息和特征，以支持后续的分析和预测任务。
特征工程(Feature Engineering)是将数据转换为更好地表示潜在问题的特征，从而提高机器学习
发表于 08-17 21:12
TPM在工业机器人故障预防中的五大策略
任何设备的长期运行都难免遭遇故障挑战，这不仅影响生产效率，还可能造成不可估量的经济损失。因此，如何在工业机器人领域实现故障预防，成为了企业关注的焦点。今天，就让我们一同探索全面生产维护（TPM
FMEA在工业机器人故障预防中的应用
预测，并分析这些故障对系统、操作乃至整个生产流程的影响，FMEA帮助企业提前布局，制定预防措施，将潜在风险扼杀于摇篮之中。 一、工业机器人常见故障模式 机械故障：包括关节磨损、轴承失效、传动带断裂等，直接影响
【《时间序列与机器学习》阅读体验】+ 时间序列的信息提取
之前对《时间序列与机器学习》一书进行了整体浏览，并且非常轻松愉快的完成了第一章的学习，今天开始学习第二章“时间序列的信息提取”。
先粗略的翻阅第二章，内容复杂，充斥了大量的定义、推导计
发表于 08-14 18:00
变压器预防性试验项目及意义
的质量和绝缘性能，确保变压器在良好的绝缘环境中运行。三、变压器预防性试验的意义变压器预防性试验的意义主要体现在以下几个方面：预防故障发生通过预防性试验，可以及时发现变压器存在的潜在故障
发表于 08-01 13:51
机器学习中的交叉验证方法
在机器学习中，交叉验证（Cross-Validation）是一种重要的评估方法，它通过将数据集分割成多个部分来评估模型的性能，从而避免过拟合或欠拟合问题，并帮助选择最优的超参数。本文将
机器学习算法原理详解
机器学习作为人工智能的一个重要分支，其目标是通过让计算机自动从数据中学习并改进其性能，而无需进行明确的编程。本文将深入解读几种常见的机器学习
深度学习与传统机器学习的对比
在人工智能的浪潮中，机器学习和深度学习无疑是两大核心驱动力。它们各自以其独特的方式推动着技术的进步，为众多领域带来了革命性的变化。然而，尽管它们都属于机器
名单公布！【书籍评测活动NO.35】如何用「时间序列与机器学习」解锁未来？
设备的运行状况，生成各种维度的报告。
同时，通过大数据分析和机器学习技术，可以对业务进行预测和预警，从而协助社会和企业进行科学决策、降低成本并创造新的价值。
当今时代，数据无处不在，而时间序列数据更是
发表于 06-25 15:00
机器学习8大调参技巧
今天给大家一篇关于机器学习调参技巧的文章。超参数调优是机器学习例程中的基本步骤之一。该方法也称为超参数优化，需要搜索超参数的最佳配置以实现最佳性能。
英飞凌的毫米波雷达产品进行低成本生命体征检测推动医疗保健行业变革
在普通的非ICU患者中，有高达75%的不良事件和可预防死亡是因缺乏多参数生命体征（VS）监测而发生。
英飞凌毫米波雷达实现无接触测量生命体征和呼吸速率推动医疗变革
在普通的非ICU患者中，有高达75%的不良事件和可预防死亡是因缺乏多参数生命体征（VS）监测而发生。
工商网监
评论