Périphériques technologiques
IA
Comment l'IA peut aider les dentistes à résoudre des problèmes dentaires difficiles à détecter
Comment l'IA peut aider les dentistes à résoudre des problèmes dentaires difficiles à détecter
Les soins de santé sont en pleine révolution numérique. Les patients sont déjà familiers avec la tenue de dossiers électroniques et les tomodensitogrammes et IRM numériques ; certains utilisent la vision par ordinateur et l’intelligence artificielle (IA) pour diagnostiquer les cancers du poumon et d’autres.
Bien que l'intelligence artificielle soit sur le point d'avoir un impact nouveau et plus immédiat sur nos vies, c'est au cours de la pratique dentaire quotidienne que la plupart des gens découvriront probablement pour la première fois les incroyables capacités des ordinateurs. visualiser et interpréter les rapports de radiographie dentaire de routine avec plus de précision que les humains.
La start-up de West Hollywood, Pearl, alimente les images dentaires grâce à l'intelligence artificielle pour faciliter le diagnostic. Elle a reçu l’approbation de la FDA en mars de cette année et est l’une des premières entreprises à recevoir l’approbation pour l’IA dentaire.
Cette approbation ouvre la voie à son utilisation dans les cliniques à travers les États-Unis.
« Il s'agit véritablement d'une première en dentisterie », a déclaré Ophir Tanz, co-fondateur et PDG de Pearl. "Mais nous avons des approbations réglementaires similaires dans 50 pays à travers le monde."
L'importance de l'intelligence artificielle en dentisterie
La dentisterie peut faire bon usage des capacités de l'intelligence artificielle. Tous ceux qui vont chez le dentiste subissent une radiographie de temps en temps. Il existe donc probablement beaucoup plus de radiographies dentaires que pour tout autre type de maladie. Ces images radiographiques, annotées par des experts humains, sont utilisées pour enseigner au système d’IA à quoi ressemblent des dents saines et malsaines et comment reconnaître la différence.
Second Opinion est une plateforme de détection d'IA créée par Pearl, une startup dentaire fondée en 2019 pour utiliser l'apprentissage automatique et l'IA pour aider les dentistes à détecter les problèmes de dents saines. La startup a levé 11 millions de dollars en financement de série A en 2019 auprès de Craft Ventures et Crosscut Ventures, basée à Santa Monica.
Pour développer Second Opinion, Pearl a collecté plus de 100 millions de radiographies dentaires auprès de cliniques dentaires et d'établissements universitaires. La plateforme d’IA souligne les différences trouvées dans les radiographies et sert également d’outil de communication avec les patients, permettant aux dentistes de montrer différents modèles de dents d’un patient et d’identifier les zones à problèmes.
« Je pense que cela va devenir très rapidement fondamental pour la catégorie [dentisterie], et ce sera donc en fait un modèle pour d'autres domaines de la médecine : comment insuffler et déployer l'IA à grande échelle pour vraiment élever le niveau de soins dans d'une manière démontrable Le bénéfice et le potentiel ultimes », a déclaré Ophir Tanz, fondateur et PDG de Pearl.
La plateforme logicielle de Pearl, disponible sous forme de service cloud, permet aux dentistes d'effectuer un dépistage des radiographies en temps réel. Les dentistes peuvent ensuite examiner les résultats de l’IA et les partager avec les patients pour faciliter des discussions éclairées entre dentistes et patients sur le diagnostic et les plans de traitement.
En coulisses, les réseaux neuronaux convolutionnels alimentés par le GPU NVIDIA développés par Pearl peuvent détecter non seulement les caries, mais également de nombreux autres problèmes dentaires, tels que les couronnes fissurées et les abcès radiculaires nécessitant des canaux radiculaires.
L’IA de Pearl fournit des résultats dentaires. Le dossier déposé par la startup auprès de la FDA montre que Pearl AI peut détecter en moyenne 36 % plus de pathologies et autres problèmes dentaires qu’un dentiste typique. "C'est important car en dentisterie, les pathologies manquantes sont très courantes et courantes", a déclaré Tanz.
Les produits de la société incluent Practice Intelligence, qui permet aux cabinets dentaires d’exécuter l’intelligence artificielle sur les données des patients pour découvrir les opportunités manquées de diagnostic et de traitement. Pearl Protect peut aider à détecter la fraude, le gaspillage et les abus en matière d'assurance dentaire, tandis que Claims Review permet une vérification automatisée des réclamations.
La clé de l'intelligence artificielle
Les fondateurs de Pearl ont étiqueté plus d'un million d'images pour une gamme de conditions courantes dans les cabinets dentaires afin de les aider à former leurs modèles CNN propriétaires sur les tenseurs NVIDIA V100 dans le cloud, exécutés sur un GPU Core pour identifier les problèmes. Avant cela, ils prototypaient sur des postes de travail locaux alimentés par NVIDIA.
L'inférence est effectuée sur des GPU basés sur le cloud et le système de Pearl se synchronise avec les données radiologiques historiques et en temps réel du dentiste. « Le secteur dentaire est toujours en transition vers le cloud, et maintenant nous introduisons l'intelligence artificielle dans le cloud : nous représentons une vague de technologie qui propulsera la dentisterie vers l'avenir », a déclaré Tanz.
Obtenir l’approbation de la FDA ne sera pas facile, a-t-il déclaré. Cela nécessite la réalisation d’un essai clinique approfondi. Pearl a soumis quatre études, chacune impliquant des milliers de radiographies et plus de 80 dentistes et radiologues experts.
« Nous sommes la seule entreprise au monde capable de diagnostiquer une pathologie et de détecter une maladie grâce à l'IA dans les cabinets dentaires », a-t-il déclaré. "Nous plaidons pour un diagnostic plus complet, c'est une aide au diagnostic pour les médecins généralistes."
Favoriser la relation médecin-patient
Pendant que le patient est assis dans le fauteuil, le dentiste examinera la radiographie et signalera tout éventuel problème. problèmes à tout moment. Même pour les dentistes expérimentés, comprendre les images en niveaux de gris qui constituent la base de la plupart des plans de traitement peut être difficile, et pour les patients, comprendre les niveaux flous des radiographies qui séparent la structure dentaire saine de la structure dentaire malsaine est encore plus difficile.
Mais grâce aux images assistées par l'IA, les dentistes sont capables de décrire les zones problématiques à l'aide de cadres de délimitation faciles à comprendre. Cela garantit que leur plan de traitement repose sur une base solide tout en donnant aux patients une compréhension plus claire de ce qui se passe exactement avec leurs radiographies.
"Vous pouvez avoir des discussions très visuelles et peindre un récit visuel pour le patient afin qu'il commence vraiment à comprendre ce qui se passe dans sa bouche", explique le Dr Tanz.
Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!
Outils d'IA chauds
Undresser.AI Undress
Application basée sur l'IA pour créer des photos de nu réalistes
AI Clothes Remover
Outil d'IA en ligne pour supprimer les vêtements des photos.
Undress AI Tool
Images de déshabillage gratuites
Clothoff.io
Dissolvant de vêtements AI
AI Hentai Generator
Générez AI Hentai gratuitement.
Article chaud
Outils chauds
Bloc-notes++7.3.1
Éditeur de code facile à utiliser et gratuit
SublimeText3 version chinoise
Version chinoise, très simple à utiliser
Envoyer Studio 13.0.1
Puissant environnement de développement intégré PHP
Dreamweaver CS6
Outils de développement Web visuel
SublimeText3 version Mac
Logiciel d'édition de code au niveau de Dieu (SublimeText3)
Bytedance Cutting lance le super abonnement SVIP : 499 yuans pour un abonnement annuel continu, offrant une variété de fonctions d'IA
Jun 28, 2024 am 03:51 AM
Ce site a rapporté le 27 juin que Jianying est un logiciel de montage vidéo développé par FaceMeng Technology, une filiale de ByteDance. Il s'appuie sur la plateforme Douyin et produit essentiellement du contenu vidéo court pour les utilisateurs de la plateforme. Il est compatible avec iOS, Android et. Windows, MacOS et autres systèmes d'exploitation. Jianying a officiellement annoncé la mise à niveau de son système d'adhésion et a lancé un nouveau SVIP, qui comprend une variété de technologies noires d'IA, telles que la traduction intelligente, la mise en évidence intelligente, l'emballage intelligent, la synthèse humaine numérique, etc. En termes de prix, les frais mensuels pour le clipping SVIP sont de 79 yuans, les frais annuels sont de 599 yuans (attention sur ce site : équivalent à 49,9 yuans par mois), l'abonnement mensuel continu est de 59 yuans par mois et l'abonnement annuel continu est de 59 yuans par mois. est de 499 yuans par an (équivalent à 41,6 yuans par mois) . En outre, le responsable de Cut a également déclaré que afin d'améliorer l'expérience utilisateur, ceux qui se sont abonnés au VIP d'origine
Assistant de codage d'IA augmenté par le contexte utilisant Rag et Sem-Rag
Jun 10, 2024 am 11:08 AM
Améliorez la productivité, l’efficacité et la précision des développeurs en intégrant une génération et une mémoire sémantique améliorées par la récupération dans les assistants de codage IA. Traduit de EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG, auteur JanakiramMSV. Bien que les assistants de programmation d'IA de base soient naturellement utiles, ils ne parviennent souvent pas à fournir les suggestions de code les plus pertinentes et les plus correctes, car ils s'appuient sur une compréhension générale du langage logiciel et des modèles d'écriture de logiciels les plus courants. Le code généré par ces assistants de codage est adapté à la résolution des problèmes qu’ils sont chargés de résoudre, mais n’est souvent pas conforme aux normes, conventions et styles de codage des équipes individuelles. Cela aboutit souvent à des suggestions qui doivent être modifiées ou affinées pour que le code soit accepté dans l'application.
Sept questions d'entretien technique Cool GenAI et LLM
Jun 07, 2024 am 10:06 AM
Pour en savoir plus sur l'AIGC, veuillez visiter : 51CTOAI.x Community https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou est différent de la banque de questions traditionnelle que l'on peut voir partout sur Internet. nécessite de sortir des sentiers battus. Les grands modèles linguistiques (LLM) sont de plus en plus importants dans les domaines de la science des données, de l'intelligence artificielle générative (GenAI) et de l'intelligence artificielle. Ces algorithmes complexes améliorent les compétences humaines et stimulent l’efficacité et l’innovation dans de nombreux secteurs, devenant ainsi la clé permettant aux entreprises de rester compétitives. LLM a un large éventail d'applications. Il peut être utilisé dans des domaines tels que le traitement du langage naturel, la génération de texte, la reconnaissance vocale et les systèmes de recommandation. En apprenant de grandes quantités de données, LLM est capable de générer du texte
Le réglage fin peut-il vraiment permettre au LLM d'apprendre de nouvelles choses : l'introduction de nouvelles connaissances peut amener le modèle à produire davantage d'hallucinations
Jun 11, 2024 pm 03:57 PM
Les grands modèles linguistiques (LLM) sont formés sur d'énormes bases de données textuelles, où ils acquièrent de grandes quantités de connaissances du monde réel. Ces connaissances sont intégrées à leurs paramètres et peuvent ensuite être utilisées en cas de besoin. La connaissance de ces modèles est « réifiée » en fin de formation. À la fin de la pré-formation, le modèle arrête effectivement d’apprendre. Alignez ou affinez le modèle pour apprendre à exploiter ces connaissances et répondre plus naturellement aux questions des utilisateurs. Mais parfois, la connaissance du modèle ne suffit pas, et bien que le modèle puisse accéder à du contenu externe via RAG, il est considéré comme bénéfique de l'adapter à de nouveaux domaines grâce à un réglage fin. Ce réglage fin est effectué à l'aide de la contribution d'annotateurs humains ou d'autres créations LLM, où le modèle rencontre des connaissances supplémentaires du monde réel et les intègre.
Afin de fournir un nouveau système de référence et d'évaluation de questions-réponses scientifiques et complexes pour les grands modèles, l'UNSW, Argonne, l'Université de Chicago et d'autres institutions ont lancé conjointement le cadre SciQAG.
Jul 25, 2024 am 06:42 AM
L'ensemble de données ScienceAI Question Answering (QA) joue un rôle essentiel dans la promotion de la recherche sur le traitement du langage naturel (NLP). Des ensembles de données d'assurance qualité de haute qualité peuvent non seulement être utilisés pour affiner les modèles, mais également évaluer efficacement les capacités des grands modèles linguistiques (LLM), en particulier la capacité à comprendre et à raisonner sur les connaissances scientifiques. Bien qu’il existe actuellement de nombreux ensembles de données scientifiques d’assurance qualité couvrant la médecine, la chimie, la biologie et d’autres domaines, ces ensembles de données présentent encore certaines lacunes. Premièrement, le formulaire de données est relativement simple, et la plupart sont des questions à choix multiples. Elles sont faciles à évaluer, mais limitent la plage de sélection des réponses du modèle et ne peuvent pas tester pleinement la capacité du modèle à répondre aux questions scientifiques. En revanche, les questions et réponses ouvertes
Cinq écoles d'apprentissage automatique que vous ne connaissez pas
Jun 05, 2024 pm 08:51 PM
L'apprentissage automatique est une branche importante de l'intelligence artificielle qui donne aux ordinateurs la possibilité d'apprendre à partir de données et d'améliorer leurs capacités sans être explicitement programmés. L'apprentissage automatique a un large éventail d'applications dans divers domaines, de la reconnaissance d'images et du traitement du langage naturel aux systèmes de recommandation et à la détection des fraudes, et il change notre façon de vivre. Il existe de nombreuses méthodes et théories différentes dans le domaine de l'apprentissage automatique, parmi lesquelles les cinq méthodes les plus influentes sont appelées les « Cinq écoles d'apprentissage automatique ». Les cinq grandes écoles sont l’école symbolique, l’école connexionniste, l’école évolutionniste, l’école bayésienne et l’école analogique. 1. Le symbolisme, également connu sous le nom de symbolisme, met l'accent sur l'utilisation de symboles pour le raisonnement logique et l'expression des connaissances. Cette école de pensée estime que l'apprentissage est un processus de déduction inversée, à travers les connaissances existantes.
Les performances de SOTA, la méthode d'IA de prédiction d'affinité protéine-ligand multimodale de Xiamen, combinent pour la première fois des informations sur la surface moléculaire
Jul 17, 2024 pm 06:37 PM
Editeur | KX Dans le domaine de la recherche et du développement de médicaments, il est crucial de prédire avec précision et efficacité l'affinité de liaison des protéines et des ligands pour le criblage et l'optimisation des médicaments. Cependant, les études actuelles ne prennent pas en compte le rôle important des informations sur la surface moléculaire dans les interactions protéine-ligand. Sur cette base, des chercheurs de l'Université de Xiamen ont proposé un nouveau cadre d'extraction de caractéristiques multimodales (MFE), qui combine pour la première fois des informations sur la surface des protéines, la structure et la séquence 3D, et utilise un mécanisme d'attention croisée pour comparer différentes modalités. alignement. Les résultats expérimentaux démontrent que cette méthode atteint des performances de pointe dans la prédiction des affinités de liaison protéine-ligand. De plus, les études d’ablation démontrent l’efficacité et la nécessité des informations sur la surface des protéines et de l’alignement des caractéristiques multimodales dans ce cadre. Les recherches connexes commencent par "S
Préparant des marchés tels que l'IA, GlobalFoundries acquiert la technologie du nitrure de gallium de Tagore Technology et les équipes associées
Jul 15, 2024 pm 12:21 PM
Selon les informations de ce site Web du 5 juillet, GlobalFoundries a publié un communiqué de presse le 1er juillet de cette année, annonçant l'acquisition de la technologie de nitrure de gallium (GaN) et du portefeuille de propriété intellectuelle de Tagore Technology, dans l'espoir d'élargir sa part de marché dans l'automobile et Internet. des objets et des domaines d'application des centres de données d'intelligence artificielle pour explorer une efficacité plus élevée et de meilleures performances. Alors que des technologies telles que l’intelligence artificielle générative (GenerativeAI) continuent de se développer dans le monde numérique, le nitrure de gallium (GaN) est devenu une solution clé pour une gestion durable et efficace de l’énergie, notamment dans les centres de données. Ce site Web citait l'annonce officielle selon laquelle, lors de cette acquisition, l'équipe d'ingénierie de Tagore Technology rejoindrait GF pour développer davantage la technologie du nitrure de gallium. g
