Laesies Scannet: kunstmatige intelligentie maakt een revolutie teweeg in de diagnose van appendicitis met 99% nauwkeurigheid

Laesies Scannet: kunstmatige intelligentie maakt een revolutie teweeg in de diagnose van appendicitis met 99% nauwkeurigheid

Onderzoek biedt nieuwe kennis om acute appendicitis te diagnosticeren, plotselinge ontsteking van het wormproces, dat symptomen veroorzaakt zoals buikpijn, braken en koorts. Computertomografie (CT) wordt vaak gebruikt voor de diagnose, maar dit kan moeilijk zijn vanwege de locatie van de bijlage en de complexe anatomie van de dikke darm. Een nieuw hulpmiddel genaamd "LesionScannet" is ontwikkeld om radiologen te ondersteunen bij de precieze detectie van deze ziekte.

Lesies Scannet is een progressief model gebaseerd op een diep neuronaal netwerk, meer precies een convolutioneel neuraal netwerk (CNN). Dit model analyseert CT -afbeeldingen om tekenen van appendicitis met hoge nauwkeurigheid te identificeren. Afbeeldingen van 2400 CT werden verzameld voor de ontwikkeling van het model, die een solide basis vormen voor het trainen van het netwerk. Een nauwkeurigheid van 99% bij de detectie van appendicitis die het model op testbeelden bereikt, is indrukwekkend.

De potentiële effecten van deze ontwikkeling kunnen aanzienlijk zijn. Het gebruik van zo'n krachtig model kan de diagnose van bijlage -ontsteking nauwkeuriger en sneller maken, wat op zijn beurt kan leiden tot een efficiëntere behandeling. Als deze tool zich ontwikkelt, kan deze mogelijk ook worden gebruikt in andere medische gebieden, waardoor het een veelzijdige hulp in het diagnostische beeld is.

Basistermen en concepten

• acute appendicitis : snelle ontsteking van het wormproces (bijlage) met symptomen zoals buikpijn en koorts.
• computertomografie (CT) : een medisch beeldvormingsproces dat de kruis -sectionele beelden van het lichaam biedt om ziekten en verwondingen te diagnosticeren.
• Convolutional Neural Network (CNN) : een soort kunstmatig neuraal netwerk dat bijzonder goed is bij het analyseren van beeldgegevens.
• lesioncannet : een specifieke methode op basis van CNN die is ontwikkeld om tekenen van ziekten zoals appendicitis op CT -afbeeldingen te herkennen.
• parameter : getallen die in een model worden gebruikt om voorspellingen te doen; Hoe gemakkelijker het model, hoe minder parameters nodig zijn.

afkortingen

• ct : computertomografie
• cnn : Convolutional Neural Network (vouwneuraal netwerk)

laesiescannet: precisie bij de diagnose van acute appendicitis

Het huidige onderzoek presenteert het Laesion Cannet Model, een nieuw convolutioneel neuraal netwerk (CNN), met name voor computerondersteunde detectie van acute appendicitis. Dit onderzoekswerk benadrukt met name de precisie en efficiëntie van dit model bij de verwerking van CT -beelden, waarbij het uitdagingen overwint, zoals anatomische variabelen van de locatie van de bijlage.

Methodologie en modelstructuur

• Gegevensrecord: De studie was gebaseerd op een uitgebreide gegevensset, bestaande uit 2400 CT -scanbeelden, die werd verzameld door de General Surgery Department van het Kanuni Sultan Süleyman Training and Research Hospital in Istanbul, Turkije.
• Modelarchitectuur: Lesion Scannet is een lichtgewicht model met slechts 765.000 parameters. Het integreert verschillende dual-core blokken, die elk vouwen, expansie, scheidbare vouwlagen en overgaatverbindingen omvatten.
• DualCernel -blokken: Deze blokken procesinvoerafbeeldingen op twee paden: de ene gebruikt 3 × 3 filters, terwijl het andere 1 × 1 filter gebruikt. Deze structuur maximaliseert de identificatie -efficiëntie door verschillende filtergroottes.

Prestaties en generalisatievaardigheden

• Nauwkeurigheid: Het laesie Cannet -model behaalde een aanzienlijke nauwkeurigheid van 99% op de testgegevensset. Dit resultaat overschrijdt de prestaties van gevestigde benchmark-diepe leermodellen voor de detectie van appendicitis.
• generalisatievermogen: De effectiviteit van laesiescannet werd ook ondersteund door tests op een borste röntgenfoto voor de detectie van pneumonie en COVID-19.

Conclusies en toekomstige toepassingen

De studie toont aan dat laesiecannet superieur is in zowel zijn specificiteit als de efficiëntie ervan bij de detectie van acute appendicitis. Ondanks het kleine aantal parameters biedt het model een robuuste prestatie, wat suggereert dat de toepasbaarheid op andere medische velden, zoals de detectie van luchtwegaandoeningen.

Het succes van LesionCannet kan dienen als basis voor toekomstig onderzoeks- en ontwikkelingswerk bij medische beeldverwerking, met het potentieel om de precisie bij de diagnose van andere ziekten te vergroten.

Bron van onderzoek: https://pubmed.nlm.nih.gov/39654693