机器学习算法可以在非对比CT图像中识别水缩.
Bökebatur Ahmet Raşit Mendi1, Halitcan Batur2
1Department of Radiology, Nigde Omer Halisdemir University Training and Research Hospital, Nigde, Turkey.
机器学习辅助的放射学准确地预测了脏结肠病患者的水. 这种方法使用计算机断层扫描 (CT) 扫描和自细分来帮助放射科医生在早期诊断和预防损伤.
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:
- 水性,通常是由结石引起的,可能导致永久性损伤.
- 准确和及时诊断水缩症对于临床管理至关重要.
- 需要有效的诊断工具来减少放射科医生的工作量.
研究的目的:
- 评估自细分辅助放射学的有效性,以预测水解.
- 评估放射学在患有脏结肠病的患者中的有用性.
主要方法:
- 268名患有单边水缩症的患者接受了非对比计算断层扫描 (CT).
- 进行了脏的3D自细分,随后进行了放射性特征提取.
- 机器学习模型 (SVM,RFC,XGBoost,决策树) 进行了训练和验证.
主要成果:
- 机器学习模型显示了水缩的高预测性能.
- 曲线下的面积 (AUC) 值在0.925到0.994.99之间.
- 对于3D自分割,观察者内部的高度一致性被观察到.
结论:
- 机器学习辅助放射学是预测水缩的有效工具.
- 这种方法有望提高结肠病例的诊断准确性和效率.
- 基于自分化的放射学可以支持放射科医生识别水.
更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
03:19Author Spotlight: Developing a Bedside Protocol for Kidney and Genitourinary Ultrasonography
Published on: June 21, 2024
相关概念视频
Imaging Studies I: Kidney, Ureter, and Bladder Studies
Imaging Studies II: Ultrasonography
Imaging Studies III: Computed Tomography
Imaging Studies IV: Magnetic Resonance Imaging
Imaging Studies V: Intravenous Urography and Retrograde Pyelography
