用於CT-SCANS的Covid-19評估的易於使用的AI係統

研究人員揭示了一種新的自動肺瓣分割係統，可以從CT掃描實現Covid-19鑒定和病變分類，這是評估對肺部損傷並進行預後的關鍵。

基於深度學習範式的這種類型的AI動力流水線使用新的分段模塊，可自動識別肺實質和裂片。然後將分段網絡與Covid-19識別和病變分類的分類網絡組合。為了測試係統，將模型的分類結果與三位專家放射科醫師在166ct掃描的數據集上獲得的分類結果進行了比較。

你可能還喜歡：Agfa Healthcare的企業成像VNA解決方案是一種現代化的基於標準的平台，專用於最新技術。Health Management.org與Agfa Healthcare的Enterprise Lefebvre，Christien Lefebvre，Agfa Healthcare的企業成像VNA討論了VNA解決方案，提供了哪些好處，以及為什麼醫療組織和臨床醫生應該向其過渡。學到更多

在最近發表的論文中，他們報告了Covid-19檢測的93.5％的敏感性，比專家放射科醫師的調查結果相似或更好，平均病變分類精度約為84％。此外，肺和葉的前後分段將分類性能提高超過6％。

調查人員在意大利Spallanzani研究所的多個CT掃描上測試了AI授權的軟件管道，並顯示：

1. 分割網絡能夠有效地從CT掃描中提取肺實質和裂隙，所以藝術模型的優勢狀態。
2. Covid-19識別模塊比專家放射科醫師產生更好的準確性（以及特異性和敏感性）。
3. AI模型自動學習，沒有任何監督，CT掃描功能對應於Covid-19肺炎的三個最常見病變，即整合，地麵玻璃和瘋狂鋪路，這證明了通過使用支持診斷的可靠性隻有放射學圖像。這意味著通過簡單地評估CT掃描中的那些病變的存在，可以將陽性患者（對照和患有陰性肺炎的患者進行陰性肺炎患者）的患者分化。
4. AI型號可以集成到公開可用的用戶友好的GUI中，以支持AI可解釋的放射科醫師。如果患者可能受Covid-19的影響，GUI能夠處理整個CT掃描並報告，同時顯示支持該決定的掃描切片。

本研究中獲得的結果對於CoVID-19識別和病變分類，鋪平了進一步改進的進一步改進，以實現高級Covid-19 CT / RX診斷係統，這很容易解釋，魯棒，能夠提供疾病鑒定和鑒別診斷，以及疾病進展的風險。

來源：偵察

照片：Istock.