1. 首页
  2. 教育
  3. 深度学习

放射学中使用人工智能来协助图像解释任务的方法正在发展

  根据星期日的报道,正在放射学中使用人工智能(AI)来协助图像解释任务的方法正在发展,但是计算机辅助检测(CAD)时代的许多旧因素和概念仍然存在。在医学影像机器智能会议(C-MIMI)上的演讲。

  根据星期日的报道,正在放射学中使用人工智能(AI)来协助图像解释任务的方法正在发展,但是计算机辅助检测(CAD)时代的许多旧因素和概念仍然存在。在医学影像机器智能会议(C-MIMI)上的演讲。

  随着AI新时代的到来,发生了许多变化,包括更快的计算机,更大的图像数据集和更高级的算法-包括深度学习。芝加哥大学的Maryellen Giger博士认为,另一件事发生了变化,那就是实现了将AI纳入临床实践的其他原因和方法。她说,更重要的是,人工智能也正在针对更广泛的临床问题,更多的成像方式和更多的疾病而开发。

  同时,许多问题与CAD时代面临的问题相同。她说,检测,诊断和反应评估具有相同的临床任务,也存在着“垃圾进,垃圾出”的担忧。而且,标签外使用该软件的潜力相同,并且统计评估的方法相同。

  她说,同样需要足够数量的训练案例来代表AI算法可能遇到的疾病,同样需要将成像领域的专家与计算机领域的专家组成团队。

  吉格(​​Giger)在C-MIMI 2020开幕主题演讲中讨论了AI在医学影像解释中的变化作用,该会议由医学影像信息学会(SIIM)举办。

  改变动机

  但是,在CAD时代与当今新兴的AI时代之间存在着明显的转变。例如,在将AI用于乳腺癌筛查时,过去的重点是利用该技术作为第二读者。吉格认为,但这已变为并发读取方法。

  使用这些技术的动机也发生了变化。

  她说:“起初,这是为了提高放射线医师的表现,并让他们减少对(例如)乳腺癌的检出率。”“现在的动机是提高效率,尤其是当我们进入3D成像时。我们有更多的数据可供放射线医生处理。。.。而且我们是否可以拥有这样的数据,以使放射线医生能够像以前一样完成工作,但是要减少一半的时间。”

  她说,例如,正在为全乳腺超声开发各种方法,以加快3D数据集中发现病变的速度。将AI应用于乳腺癌筛查,诊断和评估的其他值得注意的领域包括计算机辅助分类,计算机辅助诊断的发展,例如评估肿瘤内异质性和放射基因组学。

免责声明:本站旨在传递信息,不代表有传资讯的观点和立场。本站遵循行业规范,如转载您的文章未标注版权,请联系我们(QQ:78799268)改正。本站的原创文章,如若转载,请注明出处:http://www.ainoline.cn/jiaoyu/shenduxuexi/13007.html

发表评论

电子邮件地址不会被公开。 必填项已用*标注

联系我们

在线咨询:点击这里给我发消息

邮件:78799268@qq.com

工作时间:周一至周五,9:30-18:30,节假日休息

QR code