基于机器学习的计算机辅助简单分拣 (CAST) 针对COVID-19肺炎,与经过董事会认证的胸部放射科医生的分拣相比
Yoshiharu Ohno1,2, Takatoshi Aoki3, Masahiro Endo4
1Department of Diagnostic Radiology, Fujita Health University School of Medicine, 1-98 Dengakugakubo, Kutsukake-Cho, Toyoake, Aichi, 470-1192, Japan. yohno@fujita-hu.ac.jp.
基于机器学习的计算机辅助简单分组 (CAST) 软件在CT扫描上识别COVID-19肺炎时,与专家放射科医生具有相似的诊断性能. 该工具在管理疑似COVID-19病例方面提供了可靠的补充作用.
科学领域:
- 放射学和医学成像学 医学成像学
- 人工智能在医学中的应用
- 传染病诊断 传染病诊断 传染病诊断
背景情况:
- 标准化报告系统对于解释CT扫描中的肺部异常至关重要,特别是在COVID-19中.
- 基于机器学习 (ML) 的方法为这些发现的自动分析和分类提供了潜力.
研究的目的:
- 评估基于ML的计算机辅助简单分拣 (CAST) 软件对COVID-19肺炎的诊断能力.
- 在一个多中心,多读者研究中,将CAST性能与专家放射科医生的共识进行比较.
主要方法:
- 对174例用CT和PCR检测COVID-19的病例进行了回顾性分析.
- 通过CAST软件对CT数据的评估和三名胸部放射科医生的共识.
- 使用McNemar的测试和评估放射性发现准确性的诊断性能的比较.
主要成果:
- 基于ML的CAST软件和COVID-19肺炎的专家共识之间诊断性能没有显著差异.
- 在评估放射性发现方面,CAST表现出高准确度,与专家放射科医生相美.
结论:
- 基于ML的CAST软件为COVID-19肺炎提供了有效的分组,与专家放射科医生相比.
- 在临床实践中,CAST可以与RT-PCR一起作为一种有价值的补充工具,用于管理疑似COVID-19患者.
更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
07:53Author Spotlight: Advancing 3D Modeling for Enhanced Diagnosis and Treatment of Pulmonary Nodules in Early-Stage Lung Cancer
Published on: October 13, 2023
相关概念视频
Pneumonia III: Complications and Assessment
Cardiopulmonary Resuscitation II: ACLS Airway Management
