基于深度卷积网络的胸部放射图为肺结核病的查模型
Frontiers in medicine
|February 13, 2024
概括
一个新的深度学习 (DL) 人工智能 (AI) 系统准确地从胸部X射线图中选肺结核病. 这种人工智能工具提供了一种高效和客观的方法来诊断这种职业肺部疾病.
科学领域:
- 职业医学 职业医学是专业的.
- 放射学 放射学是一门学科.
- 人工智能的人工智能
背景情况:
- 肺结核病是全球普遍存在和致命的职业病.
- 目前的诊断方法依赖于对胸部X射线图的主观和低效的手动解释.
- 人工智能的进步为客观和高效的计算机辅助诊断系统提供了潜力.
研究的目的:
- 开发和验证一种新的深度学习 (DL) 人工智能 (AI) 系统,用于检测肺结核病.
- 评估人工智能系统在从数字前额胸部X射线影像中识别肺炎症方面的性能.
- 为放射科医生提供诊断肺结核病的参考资料.
主要方法:
- 来自肺结核病患者和暴露于尘埃的工人的49,872张胸部X射线图的注释.
- 训练一个卷积神经网络 (CNN) 算法用于使用标记图像进行肺结核病查.
- 验证DLAI系统在单独一组495张胸部X光片上的性能.
主要成果:
- 该DLAI系统在识别肺结核病时达到95%的准确性.
- 该系统显示曲线下面积 (AUC) 为94.7%,灵敏度为100%.
- 经过训练的CNN算法有效地从胸部X射线图中选了肺结核病.
结论:
- 基于CNN的DL算法在查肺结核病方面显示出高性能.
- 人工智能系统适用于自动化肺结核病诊断.
- 这项技术可以显著提高放射科医生诊断肺结核病的效率.
