Lézió -scannet: A mesterséges intelligencia forradalmasítja az appendicitis diagnózist 99% -os pontossággal

Lézió -scannet: A mesterséges intelligencia forradalmasítja az appendicitis diagnózist 99% -os pontossággal

A kutatás új ismereteket kínál az akut appendicitis diagnosztizálására, a féregfolyamat hirtelen gyulladására, amely olyan tüneteket okoz, mint a hasi fájdalom, hányás és láz. A számítógépes tomográfiát (CT) gyakran használják a diagnózishoz, de ez nehéz lehet a függelék elhelyezkedése és a vastagbél komplex anatómiája miatt. Egy új eszközt fejlesztettek ki a "LesionsCannet" elnevezésű, a radiológusok támogatására a betegség pontos kimutatásában.

léziós scannet egy progresszív modell, amely mély neuronális hálózaton alapul, pontosabban egy konvolúciós neurális hálózat (CNN). Ez a modell a CT -képeket elemzi, hogy nagy pontosságú appendicitis jeleit azonosítsa. 2400 CT -képeket gyűjtöttek a modell fejlesztésére, amelyek szilárd alapot jelentenek a hálózat képzéséhez. Lenyűgöző az olyan appendicitis kimutatásának 99% -os pontossága, amely eléri a modellt a modellt.

Ennek a fejleménynek a lehetséges hatásai jelentősek lehetnek. Egy ilyen hatalmas modell használata pontosabbá és gyorsabbá teheti a függelékgyulladás diagnosztizálását, ami viszont hatékonyabb kezelést eredményezhet. Ha ez az eszköz kialakul, akkor valószínűleg más orvosi területeken is használható, ami sokoldalú segítséget nyújt a diagnosztikai képen.

Alapvető kifejezések és fogalmak

• akut appendicitis : A féreg folyamat gyors gyulladása (függelék) olyan tünetek, mint a hasi fájdalom és a láz.
• Számítógépes tomográfia (CT) : Orvosi képalkotó folyamat, amely a test kereszt -szakaszának képeit biztosítja a betegségek és sérülések diagnosztizálására.
• Convolutional Neural Network (CNN) : Egyfajta mesterséges neurális hálózat, amely különösen jó a képadatok elemzésekor.
• Lézioncannet : A CNN -en alapuló specifikus módszer, amelyet úgy fejlesztettek ki, hogy felismerjék a betegségek olyan jeleit, mint például az appendicitis a CT képeken.
• paraméter : A modellben használt számok előrejelzések készítéséhez; Minél könnyebb a modell, annál kevesebb paraméterre van szükség.

rövidítések

• ct : Számítógépes tomográfia
• cnn : Convolutional Neural Network (Neural Network összecsukása)

Lézió -scannet: Precizitás az akut appendicitis diagnosztizálásában

A jelenlegi kutatás bemutatja a Lézió-kannet modellt, egy új konvolúciós neurális hálózatot (CNN), különösen az akut appendicitis számítógépes kimutatására. Ez a kutatási munka különösen hangsúlyozza ennek a modellnek a pontosságát és hatékonyságát a CT -képek feldolgozásában, amikor legyőzi azokat a kihívásokat, mint például a függelék helyének anatómiai változékonyságai.

Módszertan és modellszerkezet

• Adatrekord: A tanulmány egy kiterjedt adatkészleten alapult, amely 2400 CT letapogatási képből állt, amelyet a Kanuni szultán Süleyman Képzési és Kutató Kórház általános műtéti osztálya gyűjtött össze.
• Modell architektúra: A lézió -scannet egy könnyű modell, csak 765 000 paraméterrel. Több kettősmagos blokkot integrál, amelyek mindegyike magában foglalja a hajtogatást, a bővítést, az elválasztható hajtogatási rétegeket és a kapcsolódásokat.
• DualCernel blokkok: Ezek a blokkok feldolgozzák a bemeneti képeket két útvonalon: az egyik 3 × 3 szűrőt használ, míg a másik 1 × 1 szűrő használja. Ez a struktúra maximalizálja az azonosítási hatékonyságot a különböző szűrőméretek alapján.

Teljesítmény és általánosítási készségek

• Pontosság: A lézió cannet modellje jelentős pontosságot ért el a teszt adatkészletén. Ez az eredmény meghaladja a megállapított benchmark-mély tanulási modellek teljesítményét az appendicitis kimutatására.
• általánosítási képesség: A lézió-scannet hatékonyságát az emlőröntgen képen végzett tesztek is támogatták a pneumonia és a Covid-19 kimutatására.

Következtetések és jövőbeli alkalmazások

A tanulmány azt mutatja, hogy a léziós cannet nagyobb mind specifitásában, mind az akut appendicitis kimutatásának hatékonyságában. A kis paraméterek száma ellenére a modell robusztus teljesítményt nyújt, amely arra utal, hogy alkalmazható -e más orvosi területeken, például a légzési betegségek kimutatására.

A LesionCannet sikere az orvosi képfeldolgozás jövőbeni kutatási és fejlesztési munkájának alapjául szolgálhat, azzal a lehetőséggel, hogy fokozza a pontosságot más betegségek diagnosztizálásában.

Kutatási forrás: https://pubmed.nlm.nih.gov/39654693