เทคนิคการขุดข้อมูลที่ได้รับการปรับปรุงจะรวมข้อมูลจากรูปแบบการถ่ายภาพที่หลากหลายและพารามิเตอร์ทางคลินิกอื่นๆ เพื่อทำนายความเสี่ยงของการแพร่กระจายของมะเร็ง ในแนวทางใหม่นี้ ข้อมูลภาพถ่ายจากผู้ป่วยมะเร็งจะถูกป้อนเข้าสู่โครงข่ายประสาทเทียมระดับลึก ซึ่งเอาต์พุตจะถูกประมวลผลโดยอัลกอริธึมการจำแนกประเภทที่แตกต่างกันสามแบบ วิธีใหม่ในการผสมผสานผลลัพธ์
จากตัวแยก
ประเภททั้งสามนั้นให้ผลทำนายว่าภายในเวลาของการให้คำปรึกษาติดตามผลหลายเดือนหรือหลายปีต่อมา มะเร็งจะแพร่กระจายหรือไม่ นักวิจัยในสหรัฐอเมริกาที่พัฒนาวิธีการนี้แสดงให้เห็นถึงประสิทธิภาพโดยใช้ภาพการวินิจฉัยและการวางแผนการรักษาที่ได้มาสำหรับผู้ป่วย 188 รายที่เป็นมะเร็งศีรษะและคอ
เช่นเดียวกับมะเร็งที่อื่นในร่างกาย มะเร็งระยะเริ่มต้นของศีรษะและคอได้รับการรักษาโดยใช้รังสีรักษา ซึ่งประสบความสำเร็จมากขึ้น เมื่อการรักษาล้มเหลว มักเกิดจากการเติบโตของเนื้องอกใหม่ที่ห่างไกลจากตำแหน่งของโรคเริ่มแรก การคาดการณ์ว่าผู้ป่วยรายใดมีแนวโน้มที่จะพัฒนาการแพร่กระจายไป
ยังระยะไกล (DM) เป็นสิ่งสำคัญที่สุด เพื่อให้ผู้ป่วยที่มีความเสี่ยงต่ำสามารถรอดพ้นจากผลข้างเคียงที่รุนแรงที่มาพร้อมกับการรักษาตามระบบที่ใช้ในการควบคุมการแพร่กระจายของมะเร็ง วิธีหนึ่งในการจัดหมวดหมู่ผู้ป่วยด้วยวิธีนี้คือการแยกตัวบ่งชี้ความเสี่ยง DM จากชุดข้อมูลภาพขนาดใหญ่
ซึ่งเป็นวิธีการที่เรียกว่า “รังสี” แต่ในขณะที่เทคนิคนี้ได้รับการพิสูจน์แล้วว่าใช้ประโยชน์จากคุณลักษณะเชิงปริมาณที่พบในชุดข้อมูลรูปแบบเดียวได้ดี (ดูที่การใช้คลื่นวิทยุที่ใช้ CT เผยให้เห็นถึงความเสี่ยงของมะเร็งต่อมลูกหมาก ) ชุดข้อมูลหลายรูปแบบยังไม่ได้ถูกนำมาใช้ให้เกิดประโยชน์สูงสุด
เนื่องจากค่อนข้าง วิธีง่ายๆ ที่รวมคุณสมบัติที่แตกต่างกันของรูปภาพแต่ละประเภทเข้าด้วยกันทีมงานได้รวบรวมภาพ PET และ CT ของผู้ป่วยมะเร็งศีรษะและคอ 188 รายที่ได้รับการปรึกษาหารือติดตามผลระหว่างหกถึง 112 เดือนหลังการสแกน ภาพที่ได้มาจากสถาบันต่างๆ ได้รับการศึกษา
โดยแพทย์แล้ว
และมีการดึงคุณลักษณะ 257 รายการ เช่น ลักษณะพื้นผิวและรูปทรงเรขาคณิตสำหรับผู้ป่วยแต่ละราย ในชุดข้อมูลยังมีพารามิเตอร์ทางคลินิกอื่นๆ เช่น อายุและเพศของผู้ป่วย และขอบเขตที่โรคได้ดำเนินไปแล้วในขณะที่ถ่ายภาพ และเพื่อนร่วมงานป้อนข้อมูลชุดย่อยของจุดข้อมูลเหล่านี้ลงในโครงข่ายประสาท
เทียมเชิงลึก ซึ่งรวมเข้าด้วยกันเป็นชุดคุณลักษณะเดียว จากนั้นพวกเขาใช้ชุดคุณสมบัติที่รวมกันนี้เพื่อฝึกโมเดลการทำนายที่สามารถปรับเพื่อเพิ่มประสิทธิภาพทั้งความไว (ความเป็นไปได้ในการทำนายเชิงบวกที่แท้จริงของ DM) และความจำเพาะ (ความเป็นไปได้ของการทำนายที่ผิดพลาดจริงของ DM)
พร้อมกันขึ้นอยู่กับทางคลินิก ความต้องการ. โดยปกติแล้ว ผลลัพธ์ของโมเดลนี้จะถูกจัดเรียงตามอัลกอริทึมการจัดประเภทเดียวเพื่อทำนายผลลัพธ์: DM หรือไม่มี DM นักวิจัยทราบว่าการรวมอัลกอริทึมการจำแนกประเภทที่แตกต่างกันสามแบบช่วยเพิ่มความน่าเชื่อถือของแนวทางของพวกเขา
จากการทดสอบกับข้อมูลผู้ป่วยชุดย่อยที่แยกจากกัน นักวิจัยพบว่าวิธีของพวกเขามีประสิทธิภาพดีกว่าเทคนิคเวอร์ชันที่ขาดโครงข่ายประสาทเทียมเชิงลึก การเพิ่มประสิทธิภาพความไว-ความจำเพาะ หรือขั้นตอนการรวมตัวแยกประเภท พวกเขาคิดว่าวิธีการนี้สามารถปรับปรุงให้ดีขึ้นได้โดยการรวมคุณลักษณะ
และเพื่อนร่วมงานวางแผนที่จะตรวจสอบความถูกต้องของวิธีการของพวกเขาด้วยการศึกษาในอนาคตแบบหลายสถาบัน ซึ่งตรงกันข้ามกับชุดข้อมูลย้อนหลังที่พวกเขาใช้ในการสาธิต ซึ่งควรแสดงให้เห็นถึงคุณค่าในการช่วยตัดสินใจทางคลินิกในมะเร็งศีรษะและคอที่มีความเสี่ยงสูงเช่นเดียวกัน
เอกภพ
กำลังขยายตัวในอัตราที่เพิ่มขึ้นเรื่อย ๆ ตามการสังเกตการณ์ซุปเปอร์โนวาเมื่อเร็ว ๆ นี้ นักดาราศาสตร์เชื่อว่าการระเบิดของซูเปอร์โนวาบางประเภท หรือที่เรียกว่าซูเปอร์โนวาประเภท 1a ทั้งหมดมีความส่องสว่างที่แท้จริงเท่ากัน ซึ่งหมายความว่าความส่องสว่างที่สังเกตได้ของพวกมัน
สามารถใช้ประเมินระยะทางจากโลกได้ จากการสังเกตการเลื่อนสีแดงและความสว่างของซูเปอร์โนวา 58 ชิ้น ทีมนักดาราศาสตร์ 2 ทีม ทีมหนึ่ง พบว่าเศษซากของวัตถุเกือบทุกชนิด ซูเปอร์โนวา 1a อยู่ห่างออกไปอย่างน้อย 15 % มากกว่าแบบจำลองมาตรฐานของจักรวาลที่คาดการณ์ไว้
นี่หมายความว่าจักรวาลกำลัง ‘เปิด’ และจะขยายตัวตลอดไปนักดาราศาสตร์สงสัยเกี่ยวกับอัตราการขยายตัวของเอกภพและมวลของมันมานานหลายทศวรรษ ถ้ามวลของเอกภพมีมากพอ การขยายตัวจะลดลงในที่สุด และเอกภพจะยุบตัวลงเอง อย่างไรก็ตาม หากความหนาแน่นของสสารในเอกภพ
มีน้อยกว่าความหนาแน่นวิกฤต มันก็จะขยายตัวต่อไปตลอดกาล อัตราส่วนของความหนาแน่นที่แท้จริงต่อความหนาแน่นวิกฤตนี้เรียกว่าโอเมก้านักดาราศาสตร์ฟิสิกส์หลายคนเชื่อว่าเอกภพมีการขยายตัวอย่างรวดเร็วอย่างไม่น่าเชื่อหลังจากบิกแบงไม่นาน ผลอย่างหนึ่งของแบบจำลอง “การพองตัว”
นี้คือจักรวาลนั้น “แบน” โดยมีค่าโอเมก้าเท่ากับหนึ่ง อย่างไรก็ตาม เมื่อรวมมวลที่มองเห็นได้ในเอกภพเข้าด้วยกัน มวลที่มองเห็นได้ในเอกภพจะน้อยกว่าที่จำเป็นมากในการทำให้เอกภพแบนราบ นี่เป็นหนึ่งในแรงจูงใจหลักของการค้นหาสสารที่มองไม่เห็นหรือ “มืด” ในจักรวาล
ซูเปอร์โนวาช่วยให้นักดาราศาสตร์สามารถวัดอัตราการขยายตัวของเอกภพ และด้วยเหตุนี้จึงกำหนดได้ว่ามีมวลเท่าใดในเอกภพ ซูเปอร์โนวาที่อยู่ห่างไกลที่สำรวจและเพื่อนร่วมงานเมื่อปีที่แล้วให้ผลลัพธ์ที่ขัดแย้งกับแบบจำลองการพองตัว มันชี้ให้เห็นว่าอัตราการขยายเพิ่มขึ้นจริง ๆ แทนที่จะลดลง
credit : สล็อตเว็บตรง100 / ดูหนังฟรี / 50รับ100
