CT注释的自动化:将AI效率与专家精确度相结合
Edgars Edelmers1, Dzintra Kazoka1, Katrina Bolocko2
1Institute of Anatomy and Anthropology, Rīga Stradiņš University, LV-1010 Riga, Latvia.
Diagnostics (Basel, Switzerland)
|January 22, 2024
概括
这项研究引入了一种新的AI驱动的方法,用于在CT扫描中对脊柱进行细分. 它使用半自动标签和手动验证来提高医学成像诊断的速度和准确性.
科学领域:
- 放射学 放射学是一门学科.
- 医疗成像医学成像
- 人工智能在医学中的应用
背景情况:
- 医学成像诊断正在被人工智能 (AI),机器学习 (ML) 和深度学习 (DL) 改变.
- 在CT扫描中,解剖结构的准确细分对于诊断和研究至关重要.
研究的目的:
- 介绍CT扫描中脊柱的语义细分的新方法.
- 开发一个半自动化的注释系统,以高效,准确地标记脊椎.
主要方法:
- 利用里加东临床大学医院250名患者的数据集.
- 开发了一种半自动注释系统,用于非专家的初始数据标签,然后进行手动验证.
- 通过消除对体积合的需求,简化了细分过程.
主要成果:
- 实现了从C1到圣骨-尾复合体的个体脊椎的准确识别和标记.
- 显著减少了脊柱细分所需的时间和资源.
- 通过细致的患者选择和人口平衡,证明了增强的外部有效性.
结论:
- 拟议的人工智能驱动的方法代表了医疗数据语义细分的实质性进步.
- 这种方法有可能通过提高效率和准确性来彻底改变放射学中的临床和研究实践.
- 挑战包括需要由熟练人员手动验证和依赖专门的硬件.
