Scannet da lesão: inteligência artificial revoluciona o diagnóstico de apendicite com precisão de 99%

Veröffentlicht:

Von:

Scannet da lesão: uma CNN leve e robusta para reconhecer apendicite aguda com precisão de 99%, testada em 2400 imagens de CT. Versátil em áreas médicas de aplicação. 🚀 #ki #medizin
(Symbolbild/natur.wiki)

A pesquisa oferece novos conhecimentos para diagnosticar apendicite aguda, inflamação repentina do processo de worm, o que causa sintomas como dor abdominal, vômito e febre. A tomografia computadorizada (TC) é frequentemente usada para o diagnóstico, mas isso pode ser difícil devido à localização do apêndice e à complexa anatomia do cólon. Uma nova ferramenta chamada "LesionsCannet" foi desenvolvida para apoiar os radiologistas na detecção precisa desta doença.

O scannet da lesão é um modelo progressivo baseado em uma rede neuronal profunda, mais precisamente uma rede neural convolucional (CNN). Este modelo analisa imagens de CT para identificar sinais de apendicite com alta precisão. As imagens de 2400 CT foram coletadas para o desenvolvimento do modelo, que são uma base sólida para o treinamento da rede. Uma precisão de 99% na detecção de apendicite que atinge o modelo nas imagens de teste é impressionante.

Os efeitos potenciais desse desenvolvimento podem ser significativos. O uso de um modelo tão poderoso pode tornar o diagnóstico de inflamação do apêndice mais preciso e mais rápido, o que por sua vez pode levar a um tratamento mais eficiente. Se essa ferramenta se desenvolver, ela também poderá ser usada em outras áreas médicas, o que a torna um auxílio versátil na imagem de diagnóstico.

Termos e conceitos básicos

  • apendicite aguda : inflamação rápida do processo de worm (apêndice) com sintomas como dor abdominal e febre.
  • Tomografia computadorizada (CT) : um processo de imagem médica que fornece imagens transversais -seccionais do corpo para diagnosticar doenças e lesões.
  • Rede neural convolucional (CNN) : um tipo de rede neural artificial que é particularmente boa ao analisar dados de imagem.
  • lesioncannet : um método específico baseado na CNN que foi desenvolvido para reconhecer sinais de doenças como apendicite nas imagens de CT.
  • parâmetro : números usados ​​em um modelo para fazer previsões; Quanto mais fácil o modelo, menos parâmetros forem necessários.

abreviações

  • ct : tomografia computadorizada
  • CNN : Rede neural convolucional (Rede Neural Dobrando)

Scannet da lesão: precisão no diagnóstico de apendicite aguda

A pesquisa atual apresenta o modelo de canhão de lesão, uma nova rede neural convolucional (CNN), especialmente para detecção auxiliada por computador de apendicite aguda. Este trabalho de pesquisa, em particular, enfatiza a precisão e a eficiência desse modelo no processamento de imagens de TC, nas quais supera desafios como variabilidades anatômicas da localização do apêndice.

Metodologia e estrutura do modelo

  • Registro de dados: O estudo foi baseado em um extenso conjunto de dados, consistindo em 2400 imagens de varredura de CT, que foram coletadas pelo Departamento de Cirurgia Geral do Hospital e Pesquisa Sultão Sultan Süleyman em Istambul, Turquia.
  • Arquitetura do modelo: Scannet da lesão é um modelo leve com apenas 765.000 parâmetros. Ele integra vários blocos de núcleo duplo, cada um dos quais inclui dobrar, expansão, camadas dobráveis ​​separáveis ​​e conexões de pular.
  • DualCernel Blocks: Esses blocos processam imagens de entrada em dois caminhos: um usa filtros 3 × 3, enquanto o outro filtro 1 × 1 usa. Essa estrutura maximiza a eficiência de identificação por diferentes tamanhos de filtro.

Habilidades de desempenho e generalização

  • Precisão: O modelo de canhão de lesão alcançou uma precisão considerável de 99% no conjunto de dados de teste. Esse resultado excede o desempenho de modelos estabelecidos de aprendizado de referência de referência para a detecção de apendicite.
  • Capacidade de generalização: A eficácia do scannet da lesão também foi apoiada por testes em uma imagem de raios-X da mama para a detecção de pneumonia e covid-19.

Conclusões e aplicações futuras

O estudo mostra que o canhão da lesão é superior tanto na sua especificidade quanto na sua eficiência na detecção de apendicite aguda. Apesar do pequeno número de parâmetros, o modelo oferece um desempenho robusto, o que sugere sua aplicabilidade a outros campos médicos, como a detecção de doenças respiratórias.

O sucesso do Lesioncannet pode servir de base para futuras pesquisas e desenvolvimento no processamento de imagens médicas, com o potencial de aumentar a precisão no diagnóstico de outras doenças.

Fonte da pesquisa: https://pubmed.nlm.nih.gov/39654693