SCANNET DE LESION: L'intelligence artificielle révolutionne le diagnostic de l'appendicite avec une précision de 99%

SCANNET DE LESION: L'intelligence artificielle révolutionne le diagnostic de l'appendicite avec une précision de 99%

La recherche offre de nouvelles connaissances pour diagnostiquer une appendicite aiguë, une inflammation soudaine du processus de vers, qui provoque des symptômes tels que les douleurs abdominales, les vomissements et la fièvre. La tomographie par ordinateur (TDM) est souvent utilisée pour le diagnostic, mais cela peut être difficile en raison de l'emplacement de l'annexe et de l'anatomie complexe du côlon. Un nouvel outil appelé "LésionsCannet" a été développé pour soutenir les radiologues dans la détection précise de cette maladie.

des lésions est un modèle progressif basé sur un réseau neuronal profond, plus précisément un réseau neuronal convolutionnel (CNN). Ce modèle analyse les images CT pour identifier les signes d'appendicite à haute précision. 2400 images CT ont été collectées pour le développement du modèle, qui sont une base solide pour la formation du réseau. Une précision de 99% dans la détection de l'appendicite qui atteint le modèle sur les images de test est impressionnante.

Les effets potentiels de ce développement pourraient être significatifs. L'utilisation d'un modèle aussi puissant pourrait rendre le diagnostic de l'inflammation de l'annexe plus précis et plus rapide, ce qui pourrait entraîner un traitement plus efficace. Si cet outil se développe, il pourrait également être utilisé dans d'autres domaines médicaux, ce qui en fait une aide polyvalente dans l'image diagnostique.

termes et concepts de base

• Appendicite aiguë : inflammation rapide du processus de ver (annexe) avec des symptômes tels que les douleurs abdominales et la fièvre.
• Tomographie par ordinateur (CT) : un processus d'imagerie médicale qui fournit les images croisées du corps pour diagnostiquer les maladies et les blessures.
• Réseau neuronal convolutionnel (CNN) : une sorte de réseau neuronal artificiel qui est particulièrement bon lors de l'analyse des données d'image.
• lésioncannet : une méthode spécifique basée sur CNN qui a été développée pour reconnaître les signes de maladies telles que l'appendicite sur les images CT.
• Paramètre : nombres utilisés dans un modèle pour faire des prédictions; Plus le modèle est facile, moins il faut des paramètres.

Abréviations

• ct : tomographie par ordinateur
• cnn : Réseau neuronal convolutionnel (réseau neuronal pliant)

: précision dans le diagnostic de l'appendicite aiguë

La recherche actuelle présente le modèle de cannet de lésion, un nouveau réseau neuronal convolutionnel (CNN) en particulier pour la détection assistée par ordinateur de l'appendicite aiguë. Ce travail de recherche en particulier met l'accent sur la précision et l'efficacité de ce modèle dans le traitement des images CT, par laquelle il surmonte des défis tels que les variabilités anatomiques de l'emplacement de l'annexe.

Méthodologie et structure du modèle

• Data Record: L'étude était basée sur un ensemble de données étendu, composé de 2400 images de tomodensitométrie, qui a été collectée par le département de chirurgie générale du Kanuni Sultan Süleyman Training and Research Hospital à Istanbul, en Turquie.
• Architecture du modèle: Le scannet des lésions est un modèle léger avec seulement 765 000 paramètres. Il intègre plusieurs blocs à double noyau, dont chacun comprend le pliage, l'expansion, les couches de pliage séparables et les connexions de saut.
• Blocs DualCernel: Les blocs traitent les images d'entrée sur deux chemins: on utilise des filtres 3 × 3, tandis que l'autre utilise le filtre 1 × 1. Cette structure maximise l'efficacité d'identification par différentes tailles de filtres.

Compétences de performance et de généralisation

• Précision: Le modèle de cannet de lésion a atteint une précision considérable de 99% sur l'ensemble de données de test. Ce résultat dépasse les performances des modèles d'apprentissage en profondeur de référence établis pour la détection de l'appendicite.
• Capacité de généralisation: L'efficacité de la scannet des lésions a également été soutenue par des tests sur une image de rayons X mammaires pour la détection de la pneumonie et du Covid-19.

Conclusions et applications futures

L'étude montre que le cannet de lésion est supérieur à la fois dans sa spécificité et son efficacité dans la détection de l'appendicite aiguë. Malgré le petit nombre de paramètres, le modèle offre une performance robuste, qui suggère son applicabilité à d'autres domaines médicaux, tels que la détection des maladies respiratoires.

Le succès de LésionCannet peut servir de base à de futurs travaux de recherche et développement dans le traitement des images médicales, avec le potentiel d'augmenter la précision du diagnostic d'autres maladies.

Source de recherche: https://pubmed.nlm.nih.gov/39654693