人工智能在ED环境中评估X射线获得高分

小编发现不少朋友对于 人工智能在ED环境中评估X射线获得高分 这方面的信息都比较感兴趣，小编就针对 人工智能在ED环境中评估X射线获得高分 整理了一些相关方面的信息 在这里分享给大家。

根据《放射学》上发表的新研究，可以训练深度学习算法在急诊室(ED)的环境中标记可疑的胸部X光。

韩国首尔国立大学医学院放射学系Eui Jin Hwang写道：“要使DL算法在医学成像中在临床上有用，应在反映该新技术临床应用的研究样本中验证其性能，”同事。“因此，我们的研究目的是评估DL算法在ED设置中具有临床相关异常的胸部X光片识别中的性能。”

作者使用先前开发的深度学习算法来分析来自2017年1月1日至2017年3月31日接受过一次ED并接受了胸部X光检查的1,000多名连续患者的数据。然后将该算法的性能与一组患者的性能进行了比较。应召集的放射科住院医师，他们照常解释了影像学发现。

总体而言，该团队发现该算法在ROC曲线(AUC)下的面积为0.95，可用于检测相关异常。在研究小组选择的高灵敏度临界值(概率得分为0.16)下，它的敏感性为88.7%，特异性为69.6%。在团队选择的高特异性临界值(概率得分为0.46)下，灵敏度为81.6%，特异性为90.3%。

同时，居民比算法具有更高的特异性和更低的灵敏度，但是当使用算法的输出时，他们的灵敏度确实提高了。

作者写道：“在这项临时回顾性研究中，该算法在对ED的临床相关异常影像学影像进行分类中显示出了很高的效率，” “这表明该深度学习算法已准备好在受控的实时ED设置中进行进一步测试。”

作者指出，此外，他们评估的算法可能会对筛查或分诊患者产生重大影响。

Hwang等人说：“在研究期间，在具有相关异常的X线照片中，图像获取和报告之间的时间间隔矛盾地更长。” 写道。“在这方面，该算法可通过在ED医生和放射科医生解释之前对X光片进行检查来改善ED中的临床工作流程。该算法可以告知医生和放射科医生，如果相关疾病的可能性很高，需要及时进行诊断和管理。”