深度学习模型有助于结肠癌 急性憩室炎的分化

三维 (3-D) 卷积神经网络 (CNN) 可用作人工智能 (AI) 支持系统，用于在计算机断层扫描 (CT) 图像上区分结肠癌 (CC) 和急性憩室炎 (AD)，根据一项研究于 1 月 27 日在线发表在JAMA Network Open上。

来自德国慕尼黑工业大学的医学博士 Sebastian Ziegelmayer 及其同事开发并评估了一种能够区分 CT 图像上的 CC 和 AD的深度学习算法，并评估了 AI 支持系统的影响。共有 585 名在 2015 年 7 月 1 日至 2020 年 10 月 1 日期间接受了 CC 或 AD 手术的患者(分别为 267 名和 318 名)。包括患病肠段和周围肠系膜在内的 3-D 边界框被描绘出来并用于开发 3-D CNN。对 10 名读者进行了一项研究，要求他们在没有 AI 支持的情况下对测试队列进行分类。

研究人员发现，对于测试集，3-D CNN 的灵敏度和特异性分别达到 83.3% 和 86.6%，而读者的平均灵敏度和特异性分别为 77.6% 和 81.6%。在 AI 支持下，合并后的阅读器组有显着改善，灵敏度从 77.6% 提高到 85.6%，特异性从 81.6% 提高到 91.3%。在人工智能的支持下，假阴性和假阳性结果的数量也有所减少。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！