开发和验证深度学习模型的肠道阻塞在平坦的腹部X射线图
1Department of Gastroenterology, The First Affiliated Hospital of Soochow University, Suzhou, China.
The Journal of international medical research
|September 28, 2024
概括
深度学习模型可以在腹部放射图上诊断肠道阻塞,帮助放射科医生. 一个人工智能辅助系统提高了初级和高级放射科医生的诊断准确度.
科学领域:
- 放射学 放射学是一门学科.
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- 肠道阻塞的诊断依赖于放射性图像.
- 人工智能 (AI) 为图像分析提供了潜在的帮助.
- 深度学习 (DL) 模型可以训练用于特定的诊断任务.
研究的目的:
- 开发和验证深度学习模型,用于在腹部X射线图上诊断肠道阻塞.
- 为了比较不同DL架构 (Xception,VGG16,ResNet) 的性能.
- 评估人工智能辅助诊断系统对放射科医生的表现的影响.
主要方法:
- 从四家医院回顾收集了2082张直立腹部X射线图.
- 由三个高级放射科医生根据临床结果在48小时内进行图像标记.
- 开发和验证DL模型,包括Xception,VGG16和ResNet,使用梯度加权类激活映射进行解释性.
主要成果:
- 在验证集中,Xception模型实现了最高准确度 (0.863).
- 在测试组中,Xception模型 (精度为0.807) 的表现优于其他DL模型和初级放射科医生 (0.780).
- 人工智能辅助诊断显著提高了放射科医生的精度,达到0.887 (初级) 和0.913 (高级).
结论:
- 经过验证的DL计算机视觉模型用于在腹部X射线图上诊断肠道阻塞.
- 基于DL的计算机辅助诊断系统可以减少从业者的工作量.
- 人工智能集成可以提高放射学诊断的准确性.
