一个人工智能算法用于对状鼻肺炎的分类,在鼻计算机断层扫描上进行扫描
Alon Taylor1, Al-Rahim Habib1,2, Ashnil Kumar3,4
1Department of Otolaryngology - Head and Neck Surgery, Westmead Hospital, Westmead, New South Wales, Australia.
概括
卷积神经网络 (CNN) 可以在CT扫描上准确地分类状鼻肺炎. 这种人工智能工具通过自动化分类和识别病理学来帮助外科医生更安全地进行手术规划.
科学领域:
- 放射学 放射学是一门学科.
- 人工智能的人工智能
- 耳鼻喉科 耳鼻喉科 耳鼻喉科
背景情况:
- 脊柱肺炎的分类对于鼻腔CT报告至关重要.
- 人工智能 (AI) 和卷积神经网络 (CNN) 在放射图像分类方面表现有前途.
研究的目的:
- 为了评估训练有素的CNN在CT成像上分类状鼻肺炎的准确性.
主要方法:
- 状鼻的斜腰CT切片的回顾性分析.
- 通过盲目审查者和人工智能算法将气动化分类为孔卡尔,前塞拉或塞拉类型.
- 使用微软Azure自定义视觉开发AI算法.
主要成果:
- 美国有线电视新闻网 (CNN) 在分类形肺炎亚型方面取得了很高的准确性:形肺炎的93.2%,形肺炎的87.3%,形肺炎的85.6%.
- 在测试数据上,CNN的整体加权准确率为85.9%.
- 该算法在780张图像上进行了训练,并在118张图像上进行了测试.
结论:
- 开发的CNN在分类状肺炎亚型方面表现出适度的准确性.
- 基于CNN的辅助工具可以通过自动报告来增强手术规划.
- 自动分类允许更多地专注于识别鼻腔病理.
