Британские и нидерландские ученые научились определять возраст мозга по МРТ и возможные признаки его преждевременного старения с помощью машинного обучения. Результаты работы доступны на сайте препринтов arXiv.org.   Определение кажущегося возраста мозга и сопоставление его с реальным возрастом пациента имеет большое значение для своевременной диагностики различных когнитивных нарушений. Существующие методы автоматизации этого процесса, такие как регрессия на основе гауссовских процессов, требует значительной предварительной обработки томограмм, которая включает удаление изображения немозговых тканей, разделение серого и белого веществ мозга (построение их волюметрических карт), устранение артефактов и применение сглаживания. Это трудоемкое занятие может занимать до 24 часов, а результат итогового анализа не всегда имеет удовлетворительное качество.   Чтобы упростить оценку, сотрудники Королевского и Имперского колледжей Лондона, а также Амстердамского медицинского центра применили с этой целью модель предсказания на основе сверточной нейросети. Для ее обучения они использовали из доступных баз данных 2001 томограмму мозга людей в возрасте от 18 до 90 лет без истории каки-либо неврологических заболеваний.   После обучения работоспособность нейросети проверили на двух наборах сделанных разными аппаратами томограмм: необработанных и прошедших стандартную предварительную обработку. Результаты сопоставили со стандартным методом регрессии.   Выяснилось, что при анализе обработанных изображений и нейросеть, и стандартный алгоритм обеспечивали удовлетворительную и сопоставимую точность: погрешность в обоих случаях не превышала пяти лет в каждую сторону (4,16 и 4,66 года соответственно). При анализе «сырых» томограмм точность нейросетевого алгоритма осталась прежней (4,65 года), а регрессия на основе гауссовских процессов имела среднюю погрешность почти в 12 лет.   Дополнительное исследование на 62 женщинах-близнецах выявило высокую наследуемость уровня старения мозга, которая предсказуемо несколько снижалась с возрастом из-за накопленного действия различных внешних факторов.   Что важно, анализ необработанных томограмм в помощью алгоритмов машинного обучения занимал несколько секунд, то есть оценить возраст мозга можно было, еще когда пациент находился в аппарате МРТ. Обычными методами на достаточно точный анализ, как уже говорилось, уходило больше суток.   По мнению исследователей, подобные алгоритмы могу значительно повысить точность и скорость диагностики неврологических расстройств и когнитивных нарушений.   В последнее время сверточные нейросети находят самые разнообразные применения. Так, их используют для распознавания и синтеза речи, чтения по губам, раскрашивания изображений, анализа содержания книг по обложкам и даже для отпугивания метящих территорию котов. Компания IBM использует машинное обучение для работы над созданием «электронного рентгенолога» под названием Avicenna.

Австралийские иммунологи определили пять биомаркеров крови, по которым можно с 80-процентной вероятностью диагностировать долгий ковид. Для этого ученые сравнили уровни 31 белка в крови людей с долгим ковидом, а также у переболевших ковидом без долгосрочных последствий и у людей, которые с вирусом не встречались. Оказалось, что у больных долгим ковидом через восемь месяцев после инфекции в крови остаются повышены уровни интерферонов, интерлейкина-6, а также белка острой фазы воспаления PTX3. Работу опубликовали в .

Создатели дрон-камеры Lily заявили о том, что прекращают попытки наладить серийное производство беспилотника. Основной причиной такого решения названо недостаточное финансирование, сообщает TechCrunch.

Нидерландская компания CyBe представила первый строительный 3D-принтер, который способен перемещаться по стройплощадке. Информация об устройстве опубликована на сайте производителя.