人工智能辅助诊断技术在低剂量CT肺结节筛查中的应用及质控

来源 :中华放射学杂志 | 被引量 : 0次 | 上传用户:ctbt010
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读

胸部低剂量CT是首选的肺癌高危人群筛查手段,能实现肺癌早期诊断、治疗,降低病死率。人工智能辅助诊断技术在胸部低剂量CT肺癌筛查中的应用,不仅有助于降低漏诊率,也可以提高工作效率。然而,人工智能影像诊断系统仍存在训练数据集质量不一,缺乏合理公信的临床验证方法,相关知识产权归属仍不明晰,缺乏相应安全、隐私及伦理规范等诸多问题。故笔者聚焦国内外相关领域内容,旨在为已开展或有志于开展人工智能辅助低剂量CT肺结节筛查的医疗机构提供借鉴。

其他文献
目的比较神经网络模型(NNM)与多元线性回归(MLR)预测CT肺栓塞指数的能力。方法回顾性搜集2015年3月至2016年7月西安交通大学第一附属医院急性肺栓塞患者147例(男79例,女68例),采用随机表法按3∶1分为训练样本和测试样本。所有患者均进行CT肺动脉成像(CTPA),计算机辅助得到每例患者的栓子总体积(V)、栓子附壁总长度(L)、栓子断面栓塞程度总和(D)及栓子总数(N),人工判读得到
目的探讨能谱CT联合智能匹配技术及自适应统计迭代重建技术(ASIR)在上腹部CT扫描的图像质量和辐射剂量,并与低管电压联合ASIR进行对比。方法前瞻性收集因病情需要行上腹部CT平扫和双期增强扫描的200例患者,采用电脑随机数字法将研究对象随机分为低管电压扫描对照组和能谱扫描试验组扫描,若体重指数(BMI)≤23.9 kg/m2,则采用80 kVp扫描(A组)或能谱智能匹配技术扫描(B组),若24.
凭借大数据及深度学习等技术的飞速发展,人工智能(AI)在医学领域的研究已经初见成效。目前医学影像人工智能进入了研究的关键环节,该如何应对?本文就人工智能健康发展需要良好生态环境、医学影像AI需要落地产品、数据生产环节问题、产品检验及使用环节、医学影像AI发展的建议五个方面进行论述,并指出人工智能的发展及人工智能产品的落地需要医院、医生和企业相结合,不断积累和创新,实现AI真正意义上的突破。
目的建立并验证基于体素的空气潴留(AT)定量检测方法,并初步探讨其对慢性阻塞性肺疾病(COPD)的诊断价值。方法2015年3月至2016年2月自"数字肺TM"多研究中心连续纳入行深呼、吸气末CT扫描的50名健康志愿者和18例COPD患者。分别采用基于体素定量检测法及常规阈值法测量空气潴留及肺气肿定量参数。所有受试者均在CT检查后3 d内行肺功能(PFT)检查。针对健康志愿者,采用配对样本秩和检验方