Lezija Scannet: Umetna inteligenca revolucionira diagnozo apendicitisa z 99 -odstotno natančnostjo

Veröffentlicht:

Von:

Lezija skeniranja: lahek, robusten CNN za prepoznavanje akutnega apendicitisa z 99 -odstotno natančnostjo, testirano na 2400 ct slikah. Vsestranski v medicinskih območjih uporabe. 🚀 #ki #medizin
(Symbolbild/natur.wiki)

Raziskave ponujajo novo znanje za diagnosticiranje akutnega apendicitisa, nenadno vnetje procesa črvov, kar povzroča simptome, kot so bolečine v trebuhu, bruhanje in vročina. Računalniška tomografija (CT) se pogosto uporablja za diagnozo, vendar je to lahko težko zaradi lokacije dodatka in zapletene anatomije debelega črevesa. Za podporo radiologom pri natančnem odkrivanju te bolezni je bilo razvito novo orodje, imenovano "LesionsCannet".

Lesion Scannet je progresivni model, ki temelji na globokem nevronskem omrežju, natančneje konvolucijske nevronske mreže (CNN). Ta model analizira CT slike, da z visoko natančnostjo prepozna znake apendicitisa. Za razvoj modela je bilo zbranih 2400 ct slik, ki so trdna podlaga za usposabljanje omrežja. Natančnost 99% pri odkrivanju apendicitisa, ki doseže model na testnih slikah, je impresivna.

Potencialni učinki tega razvoja bi lahko bili pomembni. Uporaba tako močnega modela bi lahko diagnoza vnetja dodatka natančnejša in hitrejša, kar bi posledično lahko privedlo do učinkovitejšega zdravljenja. Če se to orodje razvije, bi ga lahko uporabili tudi na drugih medicinskih območjih, zaradi česar je vsestranska pomoč pri diagnostični sliki.

Osnovni izrazi in koncepti

  • akutni apendicitis : hitro vnetje procesa črva (dodatek) s simptomi, kot sta bolečina v trebuhu in vročina.
  • Računalniška tomografija (CT) : Postopek medicinskega slikanja, ki telesa zagotavlja prekrilne slike za diagnosticiranje bolezni in poškodb.
  • Konvolucijska nevronska mreža (CNN) : nekakšna umetna nevronska mreža, ki je še posebej dobra pri analizi slik.
  • lesioncannet : posebna metoda, ki temelji na CNN, ki je bila razvita za prepoznavanje znakov bolezni, kot je apendicitis na CT slikah.
  • parameter : številke, uporabljene v modelu za napovedovanje; Čim lažji model je potrebnih manj parametrov.

kratice

  • ct : računalniška tomografija
  • CNN : Konvolucijska nevronska mreža (zložljivo nevronsko omrežje)

Scannet Lesion: Natančnost pri diagnozi akutnega apendicitisa

Trenutna raziskava predstavlja model Lesion Cannet, novo konvolucijsko nevronsko mrežo (CNN), zlasti za računalniško podprto odkrivanje akutnega apendicitisa. Zlasti to raziskovalno delo poudarja natančnost in učinkovitost tega modela pri obdelavi slik CT, pri čemer premaga izzive, kot so anatomske spremenljivosti lokacije dodatka.

metodologija in struktura modela

  • Zapis podatkov: Študija je temeljila na obsežnem naboru podatkov, ki je bil sestavljen iz 2400 CT slik skeniranja, ki jih je zbral oddelek za splošno kirurgijo v bolnišnici za usposabljanje in raziskovalno bolnišnico Kanuni Süleyman v Istanbulu v Turčiji.
  • Arhitektura modela: Scannet Lesion je lahek model z le 765.000 parametrov. Vključuje več dvojednih blokov, od katerih vsak vključuje zložljivo, razširitev, ločljive zložljive plasti in preskočne povezave.
  • DUALCERNEL BLOKS: Ti bloki obdelujejo vhodne slike na dveh poteh: ena uporablja 3 × 3 filtre, drugi pa 1 × 1 filter. Ta struktura poveča učinkovitost identifikacije z različnimi velikostmi filtra.

spretnosti uspešnosti in posploševanja

  • Natančnost: Model lezijske kannet je dosegel precejšnjo natančnost 99% na naboru podatkov o preskusih. Ta rezultat presega uspešnost uveljavljenih modelov učnih modelov, ki so globoki v primerjavi z apendicitisom.
  • Sposobnost posploševanja: Učinkovitost skeniranja lezije je bila podprta tudi s testi na rentgenski sliki dojk za odkrivanje pljučnice in Covid-19.

Sklepi in prihodnje aplikacije

Študija kaže, da je lezijski Cannet tako v svoji specifičnosti kot tudi po učinkovitosti pri odkrivanju akutnega apendicitisa. Kljub majhnemu številu parametrov, model ponuja zanesljivo zmogljivost, kar kaže na njegovo uporabnost na drugih medicinskih področjih, kot je odkrivanje dihalnih bolezni.

Uspeh Lesioncannet lahko služi kot osnova za prihodnje raziskovalno in razvojno delo pri obdelavi medicinskih slik, kar lahko poveča natančnost pri diagnozi drugih bolezni.

Vir raziskav: https://pubmed.nlm.nih.gov/39654693