CheXNeXt: 斯坦福团队应用深度学习算法筛查胸部X射线

evan
特邀作者
文章摘要: 这种深度学习算法的病理分析效率明显比人工更快,并且在分析患者X光片时与大多数放射科医师分析的结果一样准确

X光检查对于诊断肺结核和肺癌等疾病至关重要。传统的X光片分析往往要消耗专业放射科医师的大量时间分析X光片,目前斯坦福大学的开发团队开发了一种称为CheXNeXt的卷积神经网络,这种智能化的深度学习算法可以对包括肺炎,胸腔积液,肺肿块和X光片等14种不同病理进行分析。

开发人员表示,这种深度学习算法的病理分析效率明显比人工更快,并且在分析患者X光片时与大多数放射科医师分析的结果一样准确。利用这种深度学习算法,放射科医生可以更有效率的为患者诊断疾病并帮助患者积极治疗。  

研究人员曾使用该深度学习算法在一组420张的X光片上进行训练和验证。该算法在11种病理学的验证结果与使用接收器操作特性曲线(AUC)的放射科医师所分析的结论没有明显差异,而另外三种病理学的分析报告比专业医师的分析结论更准确。

该人工智能算法在效率方面远远高于人工,通常放射科医生要花费4个小时左右才能完全分析出420张X光片,而CheXNeXt仅用了不到2分钟就完成了。

研究人员正努力改进算法并进行临床测试。希望该算法能在各种环境中得到训练和验证,以探索其优势和盲点,通过进一步研究,该技术能在改善医疗保健服务方面服务大众。

本文地址:https://www.xinfengtv.com/11262-chexnext.html

新风网文章都系原创作品,已加入百度及腾讯原创保护计划,未经授权请勿转载!!

猜你喜欢