人工智能可以帮助诊断结核病在偏远地区

研究人员正在培训人工智能模式识别结核病(TB)在胸部x光检查,这可能有助于筛选和评价工作在有限的访问放射科医生结核病广泛存在的地区,根据一项新的研究发表在《放射学》杂志上。

根据世界卫生组织的数据,结核病是全球十大死亡原因之一。2016年,大约有1040万人患上肺结核,导致180万人死亡。结核病可以确定在胸部成像,然而结核病广泛存在的地区通常缺乏radiology解释专业知识需要屏幕和诊断疾病。

“人工智能是一个巨大的兴趣,内外医学领域,”这项研究的共同作者帕拉斯拉医学博士,费城托马斯杰弗逊大学医院(TJUH)。“一个人工智能解决方案,可以解释射线照片存在结核病具有成本效益的方式可以扩大在发展中国家的早期识别和治疗。”

深度学习是人工智能的一种,它允许基于现有关系的计算机完成任务的数据。深卷积神经网络(DCNN),模仿大脑结构,采用多个隐藏层和模式对图像进行分类。

在这项研究中,拉博士和他的同事,Baskaran《医学博士获得1007 x射线,没有活动性结核病患者。多个胸部x射线数据集的情况下由美国国立卫生研究院,白俄罗斯肺结核门户,TJUH。数据集被分为培训(68.0%)、验证(17.1%),和测试(14.9%)。

的案例被用来训练两个不同的DCNN模型——AlexNet GoogLeNet——从患有结核病和TB-negative x射线。模型的精度进行了测试,150例被排除在训练和验证数据集。

表现最好的人工智能模型的组合AlexNet GoogLeNet,净的准确性为96%。

“深度学习模型的相对较高的精度是令人激动的,”拉博士说。“结核病的适用性是很重要的,因为这是一个条件我们的治疗方案。这是一个可以解决的问题。”

两个DCNN模型有分歧的13 150个测试用例。在这些情况下,研究人员评估工作流,放射科医师的专家能够解释图像,准确诊断病例的100%。这个工作流程,结合人类的循环,有一个更大的净准确率接近99%。

“深度学习在医学成像中的应用是一个相对较新的领域,”拉博士说。“在过去,其他机器学习方法只能在一定精度水平的80%左右。然而,随着深度学习,有可能更准确的解决方案,为这个研究显示。”

拉博士说,该小组计划进一步提高模型与道德培训案例和其他深度学习的方法。

“我们希望前瞻性应用这个在真实世界的环境中,”他说。“一个人工智能的解决方案使用胸部成像可以在应对结核病扮演着重要的角色。”

这篇文章被转载材料所提供的RSNA。注:材料可能是长度和内容的编辑。为进一步的信息,请联系引用源。

参考:

拉P。,《b (2017)。深度学习在胸部x线摄影:自动利用卷积神经网络分类的肺结核。放射学,162326年。doi: 10.1148 / radiol.2017162326