GE Healthcare

Intelligence Artificielle by Edison

Comprendre l'IA : Machine Learning vs Deep Learning

La différence entre « applied intelligence » et « artificial intelligence » est une simple nuance avec la manière dont un appareil opère. En fait, les deux termes peuvent souvent être utilisés de manière interchangeable. Les deux peuvent propulser l’imagerie médicale vers des soins plus personnalisés et, à ce titre, doivent être compris par les professionnels de la santé.

  • Applied intelligence (intelligence appliquée) fait référence au système logiciel qui permet l’intelligence artificielle. Dans le domaine de la santé, il permet d’extraire et d’interpréter les données des systèmes de santé, des appareils et des équipements. Cela peut aider à fournir des informations exploitables, ainsi qu’à améliorer et augmenter la prise de décision. Dans la vie de tous les jours, l’intelligence appliquée se présente souvent comme des programmes qui peuvent être excécuter par un assistant virtuel.
  • Artificial intelligence (intelligence artificielle), ou AI, fait référence à la capacité de l’appareil à imiter l’intelligence humaine à effectuer des tâches qui ont traditionnellement exigé la pensée humaine. La branche de l’informatique qui traite de l’intelligence artificielle tente de concevoir des programmes capables de mener à bien certaines actions que les logiciels auraient pu être incapables de réaliser auparavant, telles ques celles impliquant la perception visuelle, la reconnaissance vocale et la prise de décision. Cela est possible, car la conception du programme permet à l’appareil de continuer à apprendre. Les assistants virtuels peuvent être considérés comme de l’intelligence artificielle.
  • Machine learning (apprentissage automatique) améliore la capacité du système à apprendre et à s’améliorer automatiquement à partir d’expériences ou de donnnées, sans être explicitement programmé.
  • Deep learning (apprentissage en profondeur) fait référence à un réseau de systèmes capables d’apprendre sans surveillance à partir d’informations non structurées ou non étiquetées

DeepLearning by Edison

Les hôpitaux génèrent d’énormes quantités de données sur les soins de santé. Ces données nécessitent une analyse pour transmettre les bonnes informations à la bonne personne au bon moment. Les applications Edison exploitent les analyses – telles que l’intelligence artificielle, l’apprentissage automatique (machine learning) et les algorythme de deep learning algorithms —pour identifier des idées, des modèles et des suggestions. Ces informations aident à améliorer et à augmenter la prise de décision clinique, financière et opérationnelle.

Edison est l’offre d’intelligence de GE Healthcare composée d’applications et de dispositifs intelligents créés à l’aide de la pateforme Edison. Edison permet à GE Healthcare d’intégrer et d’assimiler des données provenant de sources disparates, et d’appliquer des analyses avancées et de l’IA pour transformer les données afin de générer des informations pertinentes.

Construit au-dessus des applications et dispositifs de flux, de travail existants, GE Healthcare insère des analyses directement dans ces dispositifs et flux de travail — au point d’impact maximal. Le résultat rend vos systèmes nouveaux et existants plus intelligents, en augmentant leurs performances et en améliorant leur efficacité, vous permettant de prendre de meilleures décisions plus rapidement.

Les applications Edison sont conçues pour vous aider à optimiser le flux de travail, à réduire les erreurs et le gaspillage et à contrôler les coûts, vous permettant de vous concentrer sur les soins aux patients.

AI Technology

IRM

Impact of DeepLearning inside Advanced Applications in MRI

There are three main areas for AI to be developed in medical imaging: intelligent applications, intelligent scanners and intelligent services. Each aspect could potentially improve and streamline work for the radiology department, leaving time to focus on and interact with the patient.

Intelligent applications may help staff make decisions faster throughout the use of actionable insights. These insights may be provided by software solutions and applications that utilize machine learning or deep learning algorithms.

In fact, Dr. Yaou Liu from the department of radiology at Beijing Tiantan Hospital attempted to ease the workload for the radiologists by employing one of these deep-learning algorithms. The algorithm was meant to help identify abnormal MR images, select the best protocol for detected diseases and direct patient to the correct department for treatment. The team uploaded a total of 5,806 brain images, 4,639 of which were used to train the algorithm. The rest of the images were to test the algorithm’s ability to detect potential tumors, ischemic cerebrovascular disease and multiple sclerosis. During the test, the algorithm had a sensitivity of 85%, specificity of 96% and accuracy of 94%. Radiologists still reviewed the results to confirm or correct them.

Automated slices on MRI

Automated slice selection and deep learning have enabled radiology to become more patient friendly through the use of AI. Reduced scan times due to AI assistance may help more patients be able to have MRI studies done. Automated slice selection may allow radiographers to interact with patients more, which could help the patients feel more at ease. With these software programs, medical imaging may be easier for the patient and the radiologists, just as AI has made technology more accessible for those who have virtual assistants. In the future, it is possible that AI will continue to ease the often overwhelming workload for radiology departments.

More details : http://www.gesignapulse.com/signapulse/Store.action

Computed Tomography

Pendant des années, la faible dose a été la référence en matière de qualité d’image avec laquelle chaque image CT était conservée. Nous avons contribué à établir la norme en matière d’imagerie à faible dose en 2008 avec une technologie de reconstruction itérative capable de réduire la dose de 50%. Au fil des ans, la référence a changé. Bien que la dose soit toujours importante, les radiologues recherchent une texture d’image qui rappelle les images de livre qu’ils ont étudiées à l’école de médecine. A cette fin, nous avons conduit la reconstruction d’images par apprentissage en profondeur, ce que nous pensons être l’avenir de la qualité d’image. Il utilise l’intelligence artificielle pour combiner la faible dose de la reconstruction itérative avec une texture d’image « d’aspect classique ».

Plus de détails sont disponibles sur le siteweb de GE Healthcare – https://gehealthcare.com