AI与肝脏病学医学影像中的临床应用(2)

2019-06-19 18:02:27    算力智库

Byra等学者于18年提出了深度CNN模型,该模型可用于B型超声图像中肝脏脂肪变性的转移学习评估。对图像网络数据集进行深度CNN预训练,首先提取高级特征,然后利用SVM算法对图像进行分类。采用特征分析法和套索回归法对脂肪变性程度进行评价。与正确率分别为90.9%和85.4%的肝肾指数和灰度共生矩阵算法相比,基于CNN的方法取得了显著的效果,AUC为0.977,灵敏度为100%,特异性为88.2%,准确度为96.3%。

AI与肝脏病学医学影像中的临床应用

肝脏治疗预测

自动预测肝细胞癌患者在治疗前对经动脉化疗栓塞的可能反应是有意义和有价值的。它可以最大限度地减少病人的伤害,减少不必要的干预,降低医疗费用等。通过结合临床数据和基于ML模型的基线磁共振成像,可以准确预测肝细胞癌患者的经动脉化疗栓塞结局,并极大程度上帮助医生对肝癌患者进行最佳治疗选择。

AI与肝脏病学医学影像中的临床应用

AI技术临床应用的挑战和未来方向

对特定AI任务的相关数据分割是对建立AI模型的必要帮助。然而,一些使用人工智能的分割算法并不完美,因为它们总是需要人类专家来验证数据的准确性。人们现在的手段因而依赖于无监督学习,包括生成对抗网络和变分自动编码器,可以通过学习不带明确标签的歧视性特征来实现自动数据管理。但这样的自动化解决方案也十分耗时,因而关于通过深度学习方法实施全自动临床任务所需的时间存在相当大的争议存在相当大的争议。

在提高更高效率和更高品准确性的同时,我们还需要倡导创建互联网络,以识别来自世界各地的患者数据。AI可以根据不同的病人的人口统计,地理区域,疾病的规模大小。只有这样,我们才能创建一个对社会负责并让更多人受益的人工智能。

今日热点

小编推荐

频道热点

关闭
X
本网页已闲置超过2分钟,点击关闭或空白处,即可回到网页