医学成像
深学习型图像分析有助于自动化生物异常搜索
医学影像分析通常需要一个检验人员，并作出关于非结构化现场定性决策的能力的灵活性。它可以是耗时且难以定位的精确感兴趣的对象或区域由于无论是混淆的背景或图像质量的问题。自动化系统必须成功地识别感兴趣的区域，而忽略不相关特征。今天，基于深度学习的图像分析可以自动搜索放射x光、超声波和NMRs中的生物异常。
无论是寻找一个特定的异常或任何偏离人体正常外观的偏差，康耐视深度学习结合了人类检查员的灵活性和计算机系统的速度和健壮性。ViDi Blue-Locate工具通过学习该区域的显著特征来定位感兴趣的区域(例如某个器官)，尽管视觉上混乱和对比度差的背景。基于对一组样本图像的训练，ViDi红色分析工具开发了一个器官正常外观的参考模型，以及特定类型的异常。任何偏离目标区域正常生理的异常都被标记为缺陷，由放射专家进行CAD计算机辅助诊断。
