人工智能和深度学习在计算机断层扫描图像识别流行性肺部传染病中的沟通

科学领域:

• 医疗成像医学成像
• 人工智能的人工智能
• 公共卫生 公共卫生

背景情况:

• 流行性肺部传染病带来了诊断方面的挑战.
• 准确和有效的诊断对于有效的公共卫生管理至关重要.
• 当前的诊断方法可能在速度和准确性方面存在局限性.

研究的目的:

• 提高流行性肺部传染病的诊断效率和准确性.
• 评估人工智能 (AI) 在诊断肺部感染方面的应用.
• 探索AI在这些疾病的公共卫生管理中的作用.

主要方法:

• 收集了200名肺部传染病患者的CT图像.
• 在人工智能辅助诊断软件 ("UAI,肺部传染病智能辅助分析系统") 中利用了深度学习 (DL) 模型,特别是AlexNet (一个卷积神经网络 - CNN).
• 人工智能系统自动检测,标记和计算肺病变的体积.

主要成果:

• 人工智能辅助检测率为99.76%,错误检测率为0.08%,错误诊断率为0.08%.
• 手动检测实现了95.30%的检测率,0.20%的错误检测率和4.50%的错误诊断率.
• 常见的CT发现包括多叶片参与,密度变化和地面玻璃不透明.

结论:

• 与手动方法相比,基于DL的AI模型显著改善了肺部传染病病变的检测和诊断.
• 人工智能为诊断肺部传染病提供客观数据,有助于公共卫生管理.
• 这种人工智能应用表明了更有效,更准确的疾病监测和控制的潜力.