北京，2023年8月15日/PRNewswire/-全球領先的全息增強現實（“AR”）技術提供商WiMi全息雲股份有限公司（NASDAQ:WiMi）（“WiMi”或“公司”）今天宣布，為X射線圖像開發了一種X射線圖像分析的廣義學習算法，命名為自動人工智能X射線圖像分析儀（Auto-AIX）。
X射線圖像分析是一個複雜的過程，涉及到骨密度、器官形狀和組織密度等各種特征的檢測。傳統上，這一過程是由醫學專業人員手動執行的，他們利用自己的專業知識來識别和分析特征。然而，這種方法耗時且容易出現人為錯誤，導緻誤診和患者預後不佳。
WiMi一直在探索使用人工智能算法來自動化X射線圖像分析過程。這些算法旨在從X射線圖像的大型數據集中學習，并可以識别人類專家難以或不可能檢測到的模式和特征。通過自動化X射線圖像分析過程，人工智能算法有可能提高診斷的速度和準确性，同時減少醫療專業人員的工作量。然而，開發用于X射線圖像分析的有效人工智能算法需要大量多樣的X射線圖像數據集進行訓練和驗證。該數據集必須經過仔細選擇和注釋，以确保AI算法能夠準确識别圖像特征。
WiMi開發了一種用于X射線圖像分析的通用學習算法，該算法旨在從一組不同的X射線圖像中學習，使其适合在現實世界中使用。該算法基于深度神經網絡架構，該架構使用大量多樣的X射線圖像數據集進行訓練。數據集經過整理和注釋，以确保算法準确識别感興趣的特征，如骨密度、器官形狀和組織密度。為了提高算法的泛化能力，實現了數據擴展和域随機化等技術。數據擴展包括對原始X射線圖像應用一系列變換，如旋轉、縮放和翻轉，以創建更大、更多樣的訓練數據集。領域随機化包括向訓練數據添加随機噪聲和擾動，這有助于算法推廣到新的和看不見的X射線圖像。該算法設計用于在一系列硬件平台上運行，從傳統CPU到高性能GPU。這使得它适合在硬件資源可能有限或可變的現實世界環境中進行部署。
Auto AIX包括使用通用學習算法的數據采集、生成和注釋。數據采集、生成和注釋是構建深度學習模型的關鍵。在醫學成像領域，由于患者的隐私和保密性，真實數據的收集和使用面臨許多限制。AutoAIX通過使用計算機生成的合成數據來規避這些限制。具體來說，它使用CT對X射線圖像進行建模，使合成數據具有逼真的外觀和細節，從而提高了模型的準确性。
在Auto AIX中，生成合成數據的第一步是創建一個醫學模型，該模型可以使用CT掃描或手術工具進行建模。然後，通過将噪聲和變化注入醫學模型，可以生成多個樣本，這些樣本覆蓋了真實數據中可能出現的廣泛情況和變化。最後，對這些樣本進行注釋，即通過手動标記其特征和疾病。這些注釋可以自動應用于所有其他合成數據，從而節省大量的時間和人力成本。這個過程在AutoAIX中被稱為“域擴展”，因為它允許将合成數據域擴展到更廣泛的數據集。
Auto AIX使用基于廣義學習的算法來構建深度學習模型。該算法的優點是，它可以使用大量的合成數據進行訓練，而不需要大量的真實數據。這意味着，即使在收集真實數據時存在困難和限制，Auto AIX也可以訓練高性能的深度學習模型。
具體來說，AutoAIX使用領域随機化技術來構建基于廣義學習的算法。該技術的核心思想是通過在合成數據的外觀和特征中引入随機性來提高模型的泛化能力。這種随機性可以是任意的，例如，将噪聲、擾動、遮擋等添加到合成數據中。通過這種方式，Auto AIX可以構建具有高泛化性能的深度學習模型。
