Bu makale yaklaşık 1374 kelimedir, 3 dakika okumanız tavsiye edilir.
Bu makale, Tsinghua ekibinin yapay zeka tabanlı yeni koroner pnömoni görüntüleme destekli tanı ve tanı sınıflandırması tahmin uygulamalarının araştırma ve geliştirmesini tanıtmaktadır.
Bu yılın başından bu yana, yeni tip koronavirüs ülkemizin tüm illerini kasıp kavurarak halkın hayatına büyük bir tehdit oluşturdu. Aynı zamanda salgının sürekli yayılmasıyla birlikte Güney Kore, Japonya ve diğer Asya ülkelerindeki salgın daha da kötüye gidiyor ve salgının dünyaya yayılan durumu ortaya çıkmaya başladı.
Şu anda ülkemizin tüm bölgeleri yeni koroner pnömoni hastalarını tedavi etmek için tıbbi kaynakları yoğunlaştırma politikası benimsemiştir.Salgın başlangıçta kontrol altına alınmıştır, ancak tıbbi kaynakların ve koşulların sınırlılığı şu anda hala önemli bir sorundur. Tıbbi kaynakların yetersizliği durumunda, hastanın durumunu teşhis etmek ve hastalığın ciddiyetini tahmin etmek özellikle önemlidir. Hastaların teşhisi ve sınıflandırması önceden tahmin edilebiliyor ve derecelendirilebiliyorsa, tıp kurumlarının farklı hasta türleri için farklı tedavi ve izolasyon modları uygulaması ve hastaneye yatmayı önlemek için uygun önlemleri alması ve teşhis ve tedavinin etkinliğini ve kalitesini iyileştirmesi uygun olacaktır.
Yakın zamanda, Tsinghua Üniversitesi Bilgisayar Bilimi ve Teknolojisi Bölümü, Tsinghua Üniversitesi Yapay Zeka Araştırma Enstitüsü Pekin Ulusal Bilgi Bilimi ve Teknolojisi Araştırma Merkezi Profesör Chen Ting ekibi, Guangzhou Rejeneratif Tıp ve Sağlık Guangdong Laboratuvarı, Sun Yat-sen Üniversitesi Sun Yat-sen Memorial Hastanesi, Sun Yat-sen Üniversitesi İkinci Hastane, Macau Bilim ve Teknoloji Üniversitesi ve Yichang Merkez Halk Hastanesi Bilgi Merkezi, yeni koroner pnömoni için yapay zeka tabanlı görüntüleme destekli tanı ve teşhis sınıflandırma tahmin uygulamaları geliştirdi ve bu uygulamalar, çeşitli bölgelerdeki tıbbi kurumların yeni koroner pnömoninin tanı ve tedavisinin etkinliğini ve kalitesini iyileştirmesine yardımcı olacak.
Yeni pnömoni AI uygulaması 1-akıllı görüntü destekli yorumlama
Hastane görüntüleme departmanı için, COVID-19 pnömonisinin altı tip tipik lezyonunu (buzlu cam gölgesi, konsolidasyon, boşluk vb.), Diğer viral pnömoni ve bakteriyel pnömoniyi otomatik olarak işaretleyebilen CT görüntü destekli tanı aracı sağlayın , Temel histogramı sunar ve yeni koroner pnömoninin yardımcı yorumlama sonuçlarının tahminlerini verir.
AI modeli, her bir görüntü dilimindeki lezyonları doğru bir şekilde bulmak ve% 90'ın üzerinde bir doğruluk oranıyla lezyonların piksel düzeyinde tanınmasını sağlamak için görüntü tanıma, anlamsal segmentasyon ve sinir ağları gibi temel AI teknolojilerini kullanır. Ayrıca bu sistem, farklı lezyon türlerinin hacim oranı gibi kantitatif özellikleri otomatik olarak hesaplayabilir ve görüntüleme doktorları için doğru yorumlama önerileri sağlayabilir. Bu temelde model, görüntülerin görüntü kritikliğini değerlendirebilir. 40.000'den fazla CT görüntüsündeki test sonuçları, model değerlendirmesi ile doktorun değerlendirmesi arasındaki korelasyonun 0,90'ın üzerinde olduğunu göstermektedir (p < 0,001).
Şekil Yeni Koroner Pnömoni Görüntüleme Destekli Tanı Uygulama Arayüzü
Şekil Guangzhou Zhongshan İkinci Hastanesi kullanımda
Yeni Pnömoni AI Uygulaması 2-Akıllı Tanı ve Sınıflandırma Tahmini
Yeni koroner pnömoni teşhisi konan hastalar için tüm ilgili klinik endikasyon bilgilerini görüntüleyerek, yeni koroner pnömonisi olan şüpheli / doğrulanmış hastaların tıbbi bilgileri için klinisyenlere kapsamlı bir sorgu uygulaması sağlayın. Ve gerçek zamanlı AI hesaplamaları, hastanın tanı olasılığını ve klinik kritik hastalığı tahmin etmek için kullanılır. Ayrıca çeşitli endikasyonlardaki değişiklikleri sürekli olarak izleyebilir, böylece doktorlar hastanın durumunu hızlı bir şekilde kavrayabilir ve ilgili teşhis ve tedavi önlemlerini doğru bir şekilde alabilir.
Yapay zeka görüntü okuma modeli, yeni geliştirilen tıbbi analiz füzyon modeli ile birlikte eğitim için yaklaşık 400.000 CT görüntüsü kullandı ve hasta muayenesi, görüntüleme, fiziksel muayene ve yardımcı muayene gibi birçok boyutu kapsamlı bir şekilde analiz etti ve yeni koroner pnömoniyi buldu Tanı ve kritik hastalık tahmini için, yardımcı tanının doğruluk oranı% 90'dan fazladır ve hastanede yatan hastalarda kritik hastalık ve organ yetmezliğinin (karaciğer ve böbrek fonksiyonu, kalp, kan pıhtılaşması vb.) Gelişimini tahmin etme doğruluk oranı% 85'i aşmaktadır.
Şekil Yeni Koroner Pnömoni Tanı ve Sınıflandırma Tahmin Uygulama Arayüzü
Şu anda, Sun Yat-sen Üniversitesi Sun Yat-sen Memorial Hastanesi, Sun Yat-sen Üniversitesi İkinci Bağlı Hastanesi, Yichang Merkez Halk Hastanesi ve diğer tıbbi kurumlar gibi tıbbi kurumlarda yeni koroner pnömoninin görüntüleme destekli teşhisi uygulaması kullanılmaktadır.Son iki hafta içinde 5.000'den fazla BT görüntüsü tanı ve tanımlamada yardımcı olmuştur. Görüntüleme doktorlarının okuma verimliliğini artırdı ve çeşitli birimler tarafından oldukça kabul görmüştür. Yeni koroner pnömoni tanı ve sınıflandırma tahmin uygulaması yakında Yichang Merkez Halk Hastanesinde kullanıma sunulacak. Yardımcı araştırmacılar Chen Ning, Dr. Wang Guangyu ve Tsinghua Üniversitesi'nden Profesör Chen Ting'in ekibinden yüksek lisans öğrencileri Liu Xiaohong, Wang Ke ve Zhang Xuan, teknolojinin geliştirilmesine ve uygulanmasına derinden katıldılar ve teşvik ettiler. Sun Yat-sen Üniversitesi Sun Yat-sen Memorial Hastanesi ve Sun Yat-sen Üniversitesi İkinci Bağlı Hastanesinin sağlık ekiplerine de yapay zeka modeli eğitim verilerini etiketledikleri için teşekkür etmek isterim.
Gelecekte, Guangzhou Rejeneratif Tıp ve Sağlık Guangdong Laboratuvarı ile birden fazla kanal aracılığıyla tıbbi kurumların kullanımını teşvik etmek, tanı ve tedavi kalitesini artırmak için bilgi teknolojisini ve diğer araçları kullanmayı umarak ve salgını kontrol etmek için elimizden gelenin en iyisini yapacağız. !
-Bitiş-
Tsinghua-Qingdao Veri Bilimi Enstitüsü'nün resmi WeChat kamu platformunu takip edin " THU Veri Pastası "Ve kız kardeş numarası" Veri Pastası THU "Daha fazla ders avantajı ve kaliteli içerik elde edin.