伊利诺伊州奥克布鲁克市-根据《放射学：人工智能》上发表的一项研究，由人工智能驱动的系统通过大脑MRI自动梳理异常，可以为最需要的人提供护理。
MRI产生大脑的详细图像，以帮助放射科医生诊断各种疾病以及中风或头部受伤等事件所造成的损害。它的越来越多的使用导致图像过载，这迫切需要改进的放射学工作流程。自动识别医学图像中的异常发现提供了一种潜在的解决方案，从而可以改善患者护理并加速患者出院。
研究共同负责人Romane Gauriau博士说：“不仅在医院而且对门诊病人，MRI检查的数量也在增加，因此确实需要改善放射学工作流程。”马萨诸塞州总医院和波士顿布莱根妇女医院临床数据科学中心的学习科学家。“这样做的一种方法是使某些过程自动化，并且还帮助放射线医师对不同的检查进行优先排序。”
Gauriau博士与合著者Bernardo C. Bizzo，MD，Ph.D.，及其同事一起，与巴西的医疗诊断公司Diagnosticos da America SA(DASA)合作，开发了用于分类的自动化系统大脑MRI扫描为“可能正常”或“可能异常”。该方法依赖于卷积神经网络(CNN)，这是一种复杂的AI类型，可以使模型直接从图像中学习。
研究人员在三个大型数据集上对算法进行了训练和验证，该数据集来自两大洲不同机构，共进行了9,000多次检查。
在初步测试中，该模型显示出相对良好的性能，可以区分可能的正常检查或可能的异常检查。在与用于训练算法的数据不同的时间段，从不同的机构获得的验证数据集上的测试突出了模型的泛化能力。根据Gauriau博士的说法，这种系统可用作分类检查工具，具有改善放射学工作流程的潜力。
她说：“我们试图解决的问题非常非常复杂，因为MRI异常种类繁多。”“我们证明了这种模型很有希望开始评估是否可以在临床环境中使用。”
已经显示出类似的模型可以大大缩短周转时间，以识别头部CT和胸部X射线的异常。通过识别偶然发现，新模型具有进一步使门诊护理受益的潜力。偶然发现是与医师下令进行检查的原因无关的异常。
标签： AI
郑重声明：本文版权归原作者所有，转载文章仅为传播更多信息之目的，如作者信息标记有误，请第一时间联系我们修改或删除，多谢。
