Automatische Übersetzung anzeigen
Dies ist eine automatisch generierte Übersetzung. Wenn Sie auf den englischen Originaltext zugreifen möchten, klicken Sie hier
#Neues aus der Industrie
{{{sourceTextContent.title}}}
Künstliche Intelligenz beschleunigt Kasten-Röntgenanalyse
{{{sourceTextContent.subTitle}}}
Ein neues System der künstlichen Intelligenz (AI) kann die Zeit drastisch verringern, die benötigt wird, um eine sachverständige Radiologeansicht über anormale Brustradiographien mit kritischen Ergebnissen zu empfangen, behauptet eine neue Studie.
{{{sourceTextContent.description}}}
Sich entwickelt durch Forscher an College London (KCL Königs; Vereinigtes Königreich), University of Warwick (Coventry, Vereinigtes Königreich) und andere Institutionen, das AI-System wurden unter Verwendung 470.388 völlig anonymized institutioneller erwachsener Röntgenaufnahmen des Thorax entwickelt, die von 2007 bis 2017 erworben wurden. Die angeschlossenen Radiologieberichte wurden unter Verwendung eines innerbetrieblichen Systems Verarbeitung der in einer natürlichen Sprache (NLP) aufbereitet, das radiologische Sprache modelliert, die die Berichte des freien Texts analysierte, um jedes Röntgenbildes als kritisches, dringendes, nicht-dringendes oder normales zu geben.
Ein Ensemble von zwei tiefen neuralen Gewindenetzen (CNNs) wurde dann ausgebildet, um die klinische Priorität vom radiologischen Anschein allein vorauszusagen. Die Leistung des Systems in der Röntgenbildprioritisierung wurde in einer Simulation geprüft, indem man einen unabhängigen Satz von 15.887 Röntgenbildern verwendete. Vorhersagenleistung wurde mit dem Bereich unter der Operationscharakteristik des Empfängers festgesetzt, wenn Empfindlichkeit, Besonderheit, positivem Vorhersagewert (PPV bestimmt sind) und der negative Vorhersagewert (NPV), auch, mit der Absicht der Automatisierung, des erwachsenen Röntgenaufnahme des Thorax-Realzeitberichtes, der auf Bildauftritt basierte.
Die Ergebnisse deckten auf, dass die normalen Röntgenaufnahmen des Thorax (benutzt, um eine breite Palette von den Bedingungen zu bestimmen und zu überwachen, welche die Lungen, das Herz, die Knochen und die Tissuen beeinflussen) durch das AI-System mit einer Empfindlichkeit von 71% ermittelt wurden, Besonderheit von 95%, PPV von 73% und NPV von 94%. Die durchschnittliche Berichtsverzögerung, welche die Algorithmen verwendet, wurde von 11,2 auf gerade 2,7 Tagen für kritische Darstellungsergebnisse und von 7,6 bis 4,1 Tage für dringende Darstellungsergebnisse, im Vergleich zu historischen Daten verringert. Die Studie wurde am 19. Januar 2019, in der Radiologie veröffentlicht.
„Die zunehmenden klinischen Nachfragen auf Radiologieabteilungen weltweit haben gegenwärtige Serviceauslieferungsmodelle angefochten. Es ist nicht mehr durchführbar für viele Radiologieabteilungen mit ihrer gegenwärtigen Personalstärke, über aller erworbene einfache Röntgenbilder, führend zu große Rückstände von nicht berichteten Studien,“ sagte älteres Autor Professor Giovanni Montana, MD zügig zu berichten, University of Warwicks. „In Großbritannien, wird es geschätzt, dass jederzeit es über 300.000 Röntgenbildern gibt, die in 30 Tagen den Bericht warten. Alternative Modelle von Sorgfalt, wie Algorithmen des maschinellen Sehens, konnten benutzt werden, um Verzögerungen bei der Bestimmung und dem Handeln nach anormalen Röntgenstrahlen groß zu verringern -- besonders für Röntgenaufnahmen des Thorax.“
Gebrauch CNNs eine Kaskade vieler Schichten nichtlinearer Verarbeitungseinheiten für Bilder oder andere Daten Extraktion und Umwandlung, mit jeder aufeinander folgenden Schicht unter Verwendung des Ertrages von der vorhergehenden Schicht als Input kennzeichnen, um eine hierarchische Darstellung zu bilden.