Американський стартап Comma.ai опублікував вихідний код автопілота для легкових автомобілів у відкритому доступі. Про це повідомляє Engadget з посиланням на репозиторій GitHub.

Творці дрон-камери Lily заявили про те, що припиняють спроби налагодити серійне виробництво безпілотника. Основною причиною такого рішення названо недостатнє фінансування, повідомляє TechCrunch.

Британські та нідерландські вчені навчилися визначати вік мозку за МРТ і можливі ознаки його передчасного старіння за допомогою машинного навчання. Результати роботи доступні на сайті препринтів arXiv.org. Визначення уявного віку мозку і зіставлення його з реальним віком пацієнта має велике значення для своєчасної діагностики різних когнітивних порушень. Існуючі методи автоматизації цього процесу, такі як регресія на основі гауссівських процесів, потребують значної попередньої обробки томограм, яка включає видалення зображення немозгових тканин, поділ сірого і білого речовин мозку (побудова їх волюметричних карт), усунення артефактів і застосування згладжування. Це трудомістке заняття може займати до 24 годин, а результат підсумкового аналізу не завжди має задовільну якість. Щоб спростити оцінку, співробітники Королівського та Імперського коледжів Лондона, а також Амстердамського медичного центру застосували з цією метою модель передбачення на основі згорточної нейромережі. Для її навчання вони використовували з доступних баз даних 2001 томограму мозку людей віком від 18 до 90 років без історії будь-яких неврологічних захворювань. Після навчання працездатність нейромережі перевірили на двох наборах зроблених різними апаратами томограм: необроблених і минулих стандартну попередню обробку. Результати зіставили зі стандартним методом регресії. З'ясувалося, що при аналізі оброблених зображень і нейромережа, і стандартний алгоритм забезпечували задовільну і порівнянну точність: похибка в обох випадках не перевищувала п'яти років у кожен бік (4,16 і 4,66 року відповідно). При аналізі «сирих» томограм точність нейросетевого алгоритму залишилася колишньою (4,65 року), а регресія на основі гауссівських процесів мала середню похибку майже в 12 років. Додаткове дослідження на 62 жінках-близнюках виявило високу спадкованість рівня старіння мозку, яка передбачувано дещо знижувалася з віком через накопичену дію різних зовнішніх факторів. Що важливо, аналіз необроблених томограм за допомогою алгоритмів машинного навчання займав кілька секунд, тобто оцінити вік мозку можна було, ще коли пацієнт перебував в апараті МРТ. Звичайними методами на досить точний аналіз, як вже говорилося, йшло більше доби. На думку дослідників, подібні алгоритми можу значно підвищити точність і швидкість діагностики неврологічних розладів і когнітивних порушень. Останнім часом згорточні нейромережі знаходять найрізноманітніші застосування. Так, їх використовують для розпізнавання і синтезу мови, читання по губах, розмальовування зображень, аналізу змісту книг по обкладинках і навіть для відлякування метлячих територію котів. Компанія IBM використовує машинне навчання для роботи над створенням «електронного рентгенолога» під назвою Avicenna.

Австралійські імунологи визначили п'ять біомаркерів крові, за якими можна з 80-відсотковою ймовірністю діагностувати довгий ковід. Для цього вчені порівняли рівні 31 білка в крові людей з довгим ковидом, а також у перехворілих ковидом без довгострокових наслідків і у людей, які з вірусом не зустрічалися. Виявилося, що у хворих довгим ковидом через вісім місяців після інфекції в крові залишаються підвищені рівні інтерферонів, інтерлейкіна-6, а також білка гострої фази запалення PTX3. Роботу опублікували в.