В Израиле растет число онкобольных: возможные причины
Общество борьбы с онкологией опубликовало данные о росте числа онкобольных в Израиле
Общество борьбы с онкологией опубликовало данные о росте числа онкобольных в Израиле.
В 2022 году в Израиле было диагностировано приблизительно 33 000 пациентов с онкологией, что является увеличением по сравнению с 2019 годом, когда было диагностировано примерно 28 000 больных. В Израиле в этом году в результате болезни умерли около 12 тысяч человек. Об этом сообщает IsraelInfo.
Рост соответствует глобальной оценке Международного агентства по изучению рака. В 2020 году примерно у 19.3 миллиона человек во всем мире был диагностирован рак, но, по прогнозу ВОЗ, к 2040 году произойдет резкий скачок, и за один год во всем мире будет диагностировано примерно 28.9 миллиона больных раком. Это связано с улучшением диагностики, но не только.
Американское исследование, которое цитирует израильская организация, показало, что есть связь между потреблением сладких напитков и смертностью от рака. Анализ данных показывает, что люди, выпивавшие не менее двух банок сладких напитков в день, имели на 5% более высокий риск умереть от онкологии, включая рак толстой кишки, рак молочной железы, рак матки и рак почки, по сравнению с людьми, которые не употребляли эти напитки. Это связано с тем, что сладкие напитки способствуют развитию ожирения, которое также опасно из-за риска заболеть раком.
Еще одно американское исследование обнаруживает связь между ожирением в постменопаузе и повышенным риском рака молочной железы. Опухоли при этом могут быть более агрессивными и развиваться быстрее. Таким образом, масштабы ожирения во всем мире и в Израиле способствуют большей частоте заболеваемости.
Правильно питаться и следить за весом - хорошая мера профилактики.
В Израиле создали новую архитектуру нейросетей для распознавания объектов и изображений
Исследователи из Израиля разработали новую архитектуру нейросетей, которая превосходит классические сверточные сети при решении задач, связанных с распознаванием изображений и компьютерным зрением. Работа опубликована в журнале Scientific Reports. О результатах в понедельник сообщила пресс-служба университета Бар-Илан.
"Нам удалось показать, что простая архитектура системы машинного обучения, построенная на базе дендритных деревьев, способна лучше классифицировать объекты и изображения, чем это удается делать многослойным глубинным сверточным сетям. Это открывает дорогу для создания более эффективных алгоритмов и природоподобных систем искусственного интеллекта", - заявил профессор университета Бар-Илан в Рамат-Гане (Израиль) Идо Кантер, чьи слова приводит пресс-служба вуза.
Профессор Кантер и его коллеги разработали новую архитектуру нейросетей, которая позволит значительно упростить и ускорить их работу. Как отмечают ученые, по своим принципам работы она больше похожа на реальные ткани мозга человека, чем на ныне существующие многослойные сверточные нейросети, в которых информация последовательно обрабатывается десятками или даже сотнями отдельных наборов нейронов.
Израильские математики выяснили, что устройство систем машинного обучения можно радикально упростить, если использовать при разработке нейросетей своеобразные деревья из аналогов нервных клеток, похожих по устройству на дендриты природных нейронов. Система машинного обучения в данном случае организована в виде нескольких "деревьев", состоящих из ветвящихся наборов аналогов нейронов, связанных сразу с несколькими последующими наборами клеток.
Ключевая особенность этих "деревьев" заключается в том, что каждая их ветвь соединена лишь с одним выходом (одним из вариантов окончательного ответа). По словам исследователей, это значительно упрощает и ускоряет расчеты по сравнению с классическими сверточными нейросетями, которые при поиске ответа задействуют огромное число потенциально связанных с ним и не связанных нейронов.
Работу этого подхода ученые проверили на стандартизированном наборе изображений из базы данных MNIST, которая традиционно применяется при оценке эффективности систем машинного обучения и компьютерного зрения. Тесты показали, что созданный подход правильно классифицировал 99,07% изображений, что сопоставимо с качеством работы классической нейросети LeNet-5 (99,05%).
Создание этой архитектуры нейросетей, как надеются ученые, приведет к разработке специализированных устройств, которые будут максимально быстро просчитывать работу подобных "дендритных" систем машинного обучения. Это позволит снизить затраты энергии на работу искусственного интеллекта, подытожили исследователи.
Источник: ТАСС