人工智能揭示了看不见的东西:通过纹理分析绘制支气管病的新型肺部模式
Athira Nair1, Rakesh Mohan2, Mandya Venkateshmurthy Greeshma3
1Department of Respiratory Medicine, JSS Medical College, JSS Academy of Higher Education & Research (JSS AHER), Mysore 570004, Karnataka, India.
Diagnostics (Basel, Switzerland)
|January 8, 2025
概括
人工智能 (AI) 对支气管切除症肺部质感的分析揭示了传统CT扫描中错过的微妙的辅酶体变化. 这种人工智能方法增强了对疾病进展和潜在治疗策略的理解.
科学领域:
- 肺部医学 肺部医学
- 放射学 放射学是一门学科.
- 医学成像分析 医学成像分析
背景情况:
- 薄截面CT (TSCT) 是检测支气管切开症的标准,但可能会错过微妙的气泡膜和间歇性变化.
- 人工智能 (AI) 提供了超越传统成像的肺膜干涉的新见解的潜力.
- 这项研究评估了基于人工智能的定量肺部纹理分析以及支气管切除术放射性指数CT评分 (BRICS).
研究的目的:
- 用BRICS和基于AI的定量肺纹理分析来评估肺部参与支气管切除.
- 为了识别微妙的膜和间歇性变化,这些变化不易用传统的HRCT检测到.
- 探索人工智能的实用性,以了解支气管病理和进展.
主要方法:
- 一项对45名被诊断患有支气管切除症的患者进行的横截面研究.
- 使用支气管切除术放射性指数CT评分 (BRICS) 进行严重性分类:轻度,中度,严重和引性.
- 基于人工智能的肺部纹理分析使用IMBIO软件检测异常的肺部纹理,重点关注气囊和间歇性参与.
主要成果:
- 疾病的严重程度按金国家分类:轻度 (8.9%),中度 (31.1%),严重 (24.4%) 和引性 (35.6%).
- 人工智能发现了显著的气膜和间歇性异常,提供了超越HRCT的见解.
- 趋势显示肺部高光度增加,地面玻璃不透明,网状变化,与疾病严重程度相结合. 肺血管体积升高 (PVV) 与较高的金国家得分相关.
结论:
- 以人工智能为基础的肺部纹理分析为支气管切除症的辅酶参与提供了宝贵的见解.
- 人工智能检测出常规HRCT无法检测到的显著的膜和间歇性异常.
- 人工智能有可能提高对疾病病理学,进展的理解,并指导未来的治疗策略.
