S2S:深度学习方法用于细粒度疾病的放射性诊断,涵盖查到亚型
Ruijie Tang1, Yuchen Guo2, Hengrui Liang3
1School of Software, Beijing National Research Center for Information Science and Technology (BNRist), Institute for Brain and Cognitive Sciences, Tsinghua University, Beijing 100084, China.
Patterns (New York, N.Y.)
|October 27, 2025
概括
这项研究引入了一种新的AI系统,用于精细粒度疾病的精确放射性诊断. 从查到亚型 (S2S) 的AI范式提高了临床环境中的诊断准确性和效率.
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:
- 放射图像解释对于疾病诊断至关重要,但需要大量的专业知识和时间.
- 医疗成像分析中的当前人工智能在现实世界的临床实践中对多阶段细粒度疾病诊断有局限性.
研究的目的:
- 提出一个查到亚型 (S2S) 的AI范式,用于精细粒度疾病的精确放射性诊断.
- 在S2S框架内整合来自多个诊断阶段,观点,病变特征和成像模式的信息.
主要方法:
- 开发和评估S2S人工智能模式.
- 利用了细粒度胸部癌症亚型的大规模多中心放射数据集.
- 研究了人类-人工智能在诊断复杂病理方面的合作.
主要成果:
- 在大型数据集上,S2S AI 系统表现出强大的性能.
- 该框架有效地整合了针对复杂挑战的各种诊断信息.
- 为复杂的细粒度病理提供了人类-人工智能合作的新见解.
结论:
- 在S2S人工智能范式显示实质性的临床潜力细粒度的放射性诊断.
- 这种方法有助于在放射诊断中更深入地整合人工智能.
- S2S人工智能系统可以适应各种医疗环境和疾病类型.
