乳腺癌时,常见的鸽子是不鸟的大脑

“一些培训和选择性食品强化,鸽子一样做人类数字化幻灯片和乳房x线照片分类的良性和恶性人类乳腺组织,”Richard Levenson说,加州大学戴维斯分校的病理学和实验室医学教授卫生系统和该研究的第一作者。

“鸽子能够概括他们学到了什么,所以当我们向他们展示一组全新的正常和癌变数字化幻灯片,正确识别他们,”利文森说。“他们的准确性,和人类一样,是温和的影响存在与否的颜色图片,以及图像压缩的程度。鸽子也学会了正确识别癌症相关微钙化物质在乳房x光检查,但他们有一个强硬的时间分类可疑的群众在乳房x光成像任务,是极其困难的,即使是熟练的观察者”。

鸽子的成功和困难提供一个窗口医生如何处理视觉线索出现在幻灯片和x射线诊断和疾病风险进行分类。这项工作也表明,鸽子的非凡的能力区分复杂视觉图像可以好好利用训练医学图像观察者,帮助研究人员探索图像质量和颜色的影响,对比度,亮度,对诊断性能和图像压缩工件。

优秀的学习者

尽管一只鸽子的大脑是没有比的一个食指,事实证明,涉及的神经通路,包括基底神经节和cortical-striatal突触,操作方式非常类似于人类大脑在工作。

教授爱德华•沃瑟曼的爱荷华州大学的心理学和脑科学研究的合著者,常见的鸽子(鸽属利维亚)有一个巨大的辨别能力和分类各种对象和图像。

“过去50年的研究表明,鸽子可以区分人脸身份和情感表达,字母表的字母,畸形的药物胶囊,甚至是莫奈的画作与毕加索,”沃瑟曼说。“他们的视觉记忆也同样令人印象深刻的,证明召回超过1800张照片。”

当利文森知道瓦瑟曼的早期研究鸽子和人的视觉短时记忆能力,由加州大学戴维斯中心进行思维和大脑主管Steven运气,他想知道鸽子会执行在病理学幻灯片。,并开始一个新的合作。

鸽子特别善于识别乳腺癌幻灯片

在这项研究中,每个鸽子学会区分癌解释:图片和幻灯片使用传统“操作性条件作用,”技术,一只鸟是奖励只有一个正确的选择;不正确的选择没有奖励,促使校正试验。训练和彩色病理幻灯片包括大量的良性和恶性样本常规情况下,加州大学戴维斯分校医学中心。

一些鸟类,例如,首先学会认识良性或恶性样本全彩低倍镜下(4倍),然后发展到中(10倍)和高(20 x)的放大。他们也测试使用单色消除样品颜色和亮度作为潜在的线索,以及样品与不同层次的图像压缩过程常用的减少数字数据集的大小。

排除这样一种可能性,即鸟类依靠死记硬背的测试,提出了全新的样品和食品分发不管鸽子是一个正确的选择。确实,鸽子在图像表现几乎一样,他们以前从未被证实,表明,在一个非常狭窄的意义上,学会了病理学。

“鸟类是非常善于区分良性和恶性乳腺癌幻灯片的放大,一个任务可以困扰缺乏经验的观察者,他们通常需要大量的训练来达到掌握,”利文森说。“鸽子的准确性从第一天训练低倍镜下正确从50%上升到85%正确的13日至15日在天。”

沃瑟曼,鸽子40多年的研究,发现了鸽子特别善于辨别病理学幻灯片。

“鸽子学会区分良性癌幻灯片一样快的这个研究在其他研究中我们对鸽子在我们的实验室,”沃瑟曼说。“事实上,当我们显示一群四个鸟一组未压缩图像,这种方法被称为“flock-sourcing”集团的精度水平达到惊人的99%正确,高于通过任何的四个人鸟。”

在乳房x光成像密度对鸽子的挑战

在乳房x光成像研究中,鸟儿被训练来检测图像,没有微钙化物质和歧视的存在恶性肿瘤在乳房群众使用类似的过程。图像精度平均84%微钙化物质,他们训练,和72%的小说图像——一个性能水平与人类的放射科医生和放射科居民被给予相同的案件审查。

然而,鸟类很难评估乳腺癌的恶性潜能在乳房x光成像中查出的质量(没有微钙化物质),作者承认为“极具挑战性的任务。“人类放射科医生实现了约80%的准确率观看图像时的相对微妙的群众用于这项研究。但是,鸽子了许多周——而不是天,他们需要掌握组织病理学任务——学习分类的乳腺肿块乳房x光检查训练集,更引人注目的是,在训练阶段,最后当他们被证明小说,以前看不见的图像,鸟儿完全未能执行水平比机会。

“数据表明,鸟类只是记忆训练集的质量,和从来没有学会如何关键在星状利润率和其他功能的病变与恶性肿瘤,”利文森说。“但是,这个任务反映了困难甚至人类,它表明鸽子可能忠实模仿人类的优点和缺点在看医学图像”。

鸽子和人类代理人吗?

经过多年的教育和培训,医生有时斗争与显微镜载玻片的解释和乳房x光片。Levenson病理学家研究人工智能在生物学和医学图像分析和其他应用程序,相信有相当大的提高空间的过程。

“虽然新技术不断被用来提高图像采集,处理,显示,这些潜在的进步需要使用训练有素的观察员监督质量和可靠性验证,”利文森说。“这是一个困难,费时和昂贵的过程,要求临床医生的招聘对象为这些相对平凡的任务。

“鸽子敏感诊断在医学图像特征表明,它们可以提供可靠的反馈在许多变量的生产、操作、和观看这些诊断至关重要的工具,可以帮助研究人员和工程师继续创新。”