基于胸部X射线成像的深度学习模型的性能,用于检测肝硬化症

科学领域:

• 放射学 放射学是一门学科.
• 人工智能的人工智能
• 肝病学 肝病学是一种肝病学.

背景情况:

• 肝硬化,或脂肪肝疾病,是一个越来越严重的健康问题.
• 目前的诊断方法可能是侵入性的或昂贵的.
• 需要使用非侵入性,可访问的查工具来检测肝硬化症.

研究的目的:

• 开发和评估一种深度学习模型,用于检测肝脏肥胖症.
• 为了利用胸部X射线图作为这个AI模型的成像模式.

主要方法:

• 一项回顾性研究包括从接受受控减弱参数 (CAP) 检查的患者的6,599张胸部放射图.
• 在两个机构的数据上训练,调整和验证了一个深度学习模型.
• 使用接收器操作特征曲线 (AUC) 下的面积,准确度,灵敏度和内部和外部测试集的特异性来评估性能.

主要成果:

• 深度学习模型在内部测试组中实现了0.83的AUC,在外部测试组中达到0.82的AUC.
• 内部和外部测试组的准确性分别为77%和76%.
• 还报告了敏感性和特异性,在检测肝脏脂肪症方面表现良好.

结论:

• 开发的深度学习模型在从胸部X射线图中识别肝脏肥胖症方面表现出有效的性能.
• 这种人工智能驱动的方法显示出作为肝脏疾病的非侵入性查工具的潜力.