Radiology：利用人工智能对成人胸片危急值自动分类的可行性
2019-07-14 shaosai MedSci原创
本研究旨在利用深度卷积神经网络（CNNs）建立并评价人工智能（AI）系统来对成人胸片进行自动实时分类，该分类是基于影像学表现的紧急情况。
本研究旨在利用深度卷积神经网络（CNNs）建立并评价人工智能（AI）系统来对成人胸片进行自动实时分类，该分类是基于影像学表现的紧急情况。
利用470388例成人胸片建立AI系统。利用国内自然语言处理技术（NLP）系统建模成放射学专业术语再对自由文本胸片报告进行预处理。NLP系统分析报告将每个胸片分为危急、急性、非急性或正常。利用标记胸片对包含2种深度CNNs的AI系统进行训练，仅通过影像学表现来预测临床紧急性。该系统对胸片危急值评价效果利用15887例胸片进行测试。利用ROC曲线下面积评价预测效果，并确定敏感性、特异性、阳性预测值（PPV）和阴性预测值（NPV）。利用非参数检验确定最终报告的提前时间。
结果为，AI系统检出正常胸片的敏感性、特异性、PPV和NPV分别为71%、95%、73%、94%。与历史数据相比，对于危急影像学表现的平均报告延迟时间由11.2天缩减到2.7天，对于急性影像学表现的平均报告延迟时间由7.6天缩减到4.1天。
本研究表明，利用人工智能系统对成人胸片进行自动实时分类是可行的，且临床接受度较高。
原始出处：
Annarumma M， Withey SJ， Bakewell RJ，et al.Automated Triaging of Adult Chest Radiographs with Deep Artificial Neural Networks.Radiology.DOI：10.1148/radiol.2018180921
本文系梅斯医学（MedSci）原创编译整理，转载需授权！
小提示：本篇资讯需要登录阅读，点击跳转登录
版权声明：
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章，或“梅斯号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章，或“梅斯号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
#可行性#
117
#自动分类#
72
#危急值#
80
#胸片#
81