用ChatGPT辅助的深度学习模型进行甲状腺结节分析:超越人工智能
Ismail Mese1, Neslihan Gokmen Inan2, Ozan Kocadagli2
1Department of Radiology, Health Sciences University, Erenkoy Mental Health and Neurology Training and Research Hospital. ismail_mese@yahoo.com.
Medical ultrasonography
|December 27, 2023
概括
这项研究开发了一个使用ChatGPT的AI模型来分析甲状腺超声波图像以诊断结节. 该模型实现了高精度,显示了提高甲状腺病理学诊断能力的前景.
科学领域:
- 人工智能在医学中的应用
- 医学成像分析 医学成像分析
- 深度学习用于诊断.
背景情况:
- 甲状腺结节需要准确的诊断,通常依赖于细针吸收活检 (FNAB) 细胞病理学.
- 深度学习模型为医疗图像的自动分析提供了潜力,包括甲状腺超声波.
- 整合像ChatGPT这样的AI工具可以简化这些复杂模型的开发.
研究的目的:
- 开发一种深度学习模型,使用超声波图像对甲状腺结节进行分类.
- 为了利用ChatGPT在AI模型开发中的能力,用于医学图像分析.
- 为了建立一个基线使用FNAB细胞病理学模型验证.
主要方法:
- 对1,061名患者甲状腺超声波图像和FNAB结果 (2017-2022) 的回顾性分析.
- 在成像特征和细胞学特征上训练深度学习模型,以识别甲状腺病理.
- 使用ChatGPT进行AI模型开发,包括编码,预处理,优化和故障排除.
主要成果:
- 深度学习模型在测试组中实现了0.81 (95% CI:0.76-0.87) 的准确性.
- 在对良性结节 (F1分数:0.86) 和恶性结节 (F1分数:0.87) 的分类中观察到高性能.
- 该模型在不同类别的甲状腺结节中表现出强大的精度和回忆.
结论:
- 人工智能,特别是在ChatGPT的协助下,显示出在开发医疗图像分析强大的深度学习模型方面具有重大潜力.
- 这种方法可以提高诊断甲状腺结节的准确性和效率.
- 进一步的研究可以探索AI在诊断成像中的更广泛应用.
