阿尔茨海默氏病的标志之一是β-淀粉样蛋白斑 - 蛋白质块，在大脑中积聚并破坏神经元细胞的连接。现在，UC Davis Health和UC San Francisco的研究人员开发了一种机器学习工具，该工具可以检测出脑组织样品是否具有一种类型的淀粉样菌斑或另一种类型，并且很快进行。
这是用于区分疾病关键标记的机器学习方法的概念证明。
阅读更多哥伦比亚研究说
研究结果表明，机器学习可以增加神经病理学家的专业知识和分析。该工具使他们能够分析数千倍的数据，并提出新的问题，否则不可能通过受过训练的人类专家的数据处理能力有限，报告UC Davis。
加州大学戴维斯分校病理学和实验室医学系的助理教授，研究的主要作者布列塔尼·杜格（Brittany N. Dugger）说：“我们仍然需要病理学家。”“这是一种工具，就像键盘用于写作一样。当键盘帮助写作工作流程时，数字病理与机器学习配对有助于神经病理学工作流程。”
Another researcher in this project Michael J. Keiser, an assistant professor in UCSF’s Institute for Neurodegenerative Diseases and Department of Pharmaceutical Chemistry, designed a “convolutional neural network” (CNN), a computer program designed to recognize patterns based on thousands of human-labeled examples.
为了教授CNN算法如何分析脑组织，研究人员设计了一种方法，使她能够从43个健康和患病的脑样本中迅速标记成千上万张图像。
UCSF团队使用了标有示例图像的数据库图像来训练其CNN机器学习算法，以识别阿尔茨海默氏病中看到的不同类型的大脑变化。这包括区分所谓的核和弥漫斑块，并鉴定血管中的异常。研究人员表明，他们的算法可以以98.7％的精度处理整个全脑切片片。他们确认计算机的识别技能在生物学上是准确的。
杜格说：“如果我们能够更好地描述我们所看到的东西，这可以为痴呆症的多样性提供进一步的见解。”“它为痴呆症的精密药物打开了大门。”她补充说：“这些项目是跨学科转化科学的绝妙例子；神经病理学家，统计学家，临床医生和工程师聚集在一起，形成对话并共同解决问题。”
该研究的结果发表在《杂志》上自然通讯。
wt |bob电竞平台7月9日至10日在旧金山举行的可穿戴技术会议
这最具创新性的可穿戴设备活动将于7月9日至10日在Semicon West美丽的旧金山返回，庆祝第34届WT |bob电竞平台可穿戴技术会议系列。主题包括专业运动，预防，治疗和康复的数据分析，可穿戴设备，数字健康，药物和依从性的未来，智能补丁，工作流优化和劳动力安全等等 - 以可穿戴设备行业的国际领导者和专家为特色名称包括雅培，Autodesk，Datwyler，Kopin，Maxim Integrated，Multek，NFLPA，Omron，Sharkdreams，Qualcomm，还有很多。现在注册成为＃WTUS19的一部分
