期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
通过分布式人工智能实现CT结肠成像的计算机辅助慢性息肉辨识
被引量:
1
1
作者
Tan B. Nguyen, BS
Shijun Wang,
phd
+5 位作者
VishalAnugu,BA
NatalieRose
Matthew McKenna, BS
nicholas petrick
,
phd
Joseph E. Bums, MD,
phd
Ronald M. Summers, MD,
phd
《中国医疗设备》
2012年第6期1-8,共8页
目的通过计算机辅助诊断技术(CAD),利用分布式人工智能进行CT结肠成像的病理诊断。材料与方法本研究经人体实验保护局(OfficeofHumanSubjectsResearch)批准。研究内容中涉及健康保险流通与责任法案(HIPAA)的患者知情同意要求并...
目的通过计算机辅助诊断技术(CAD),利用分布式人工智能进行CT结肠成像的病理诊断。材料与方法本研究经人体实验保护局(OfficeofHumanSubjectsResearch)批准。研究内容中涉及健康保险流通与责任法案(HIPAA)的患者知情同意要求并未报批。CT数据采集于24名患有至少一块6mm息肉的病人,相关图样的分析通过计算机辅助诊断(CAD)软件完成,共鉴别268处疑似病灶。每处疑似病灶均由20名来自同一众包平台的知识工作者(KnowledgeWorkers,KWs)判断是否是息肉。为了检验本方法的可重复性,共228名知识工作者参与了两轮病灶鉴别工作。本文中,通过比较知识工作者和CAD软件分析结果的受试者工作特征曲线覆盖面积(AUC)来评价本方法的效果。结果知识工作者的检测水平AUC结果为:第1轮0.845±0.045(标准差),第2轮0.855±0.044。计算机辅助诊断软件(CAD)分析结果的AUC为0.859±0.043,两种方法之间并没有显著区别。根据病灶判断难度分析,容易的诊断中知识工作者表现更佳:第1轮AUC为0.951±0.032,第2轮0.966±0.027(P=0.039),CAD的AUC为0.877±0.048。对于两轮检验都参加的知识工作者而言,第2轮的诊断结果有显著的提升:第1轮AUC为0.759±0.052,第2轮为0.839±0.046(P=0.041)。结论在慢性息肉的诊断方面,分布式人工智能和计算机辅助诊断(CAD)技术的结果之间并无显著差异。
展开更多
关键词
计算机辅助诊断技术
CT结肠成像
人工智能
分布式
息肉
慢性
受试者工作特征曲线
患者知情同意
下载PDF
职称材料
题名
通过分布式人工智能实现CT结肠成像的计算机辅助慢性息肉辨识
被引量:
1
1
作者
Tan B. Nguyen, BS
Shijun Wang,
phd
VishalAnugu,BA
NatalieRose
Matthew McKenna, BS
nicholas petrick
,
phd
Joseph E. Bums, MD,
phd
Ronald M. Summers, MD,
phd
机构
美国国立卫生研究院临床中Jb放射与影像学影像生物标记物与计算机辅助诊断实验室
美国食品药品监督管理局器械与辐射健康中心
尔湾医疗中心加利福尼亚大学放射学系
出处
《中国医疗设备》
2012年第6期1-8,共8页
文摘
目的通过计算机辅助诊断技术(CAD),利用分布式人工智能进行CT结肠成像的病理诊断。材料与方法本研究经人体实验保护局(OfficeofHumanSubjectsResearch)批准。研究内容中涉及健康保险流通与责任法案(HIPAA)的患者知情同意要求并未报批。CT数据采集于24名患有至少一块6mm息肉的病人,相关图样的分析通过计算机辅助诊断(CAD)软件完成,共鉴别268处疑似病灶。每处疑似病灶均由20名来自同一众包平台的知识工作者(KnowledgeWorkers,KWs)判断是否是息肉。为了检验本方法的可重复性,共228名知识工作者参与了两轮病灶鉴别工作。本文中,通过比较知识工作者和CAD软件分析结果的受试者工作特征曲线覆盖面积(AUC)来评价本方法的效果。结果知识工作者的检测水平AUC结果为:第1轮0.845±0.045(标准差),第2轮0.855±0.044。计算机辅助诊断软件(CAD)分析结果的AUC为0.859±0.043,两种方法之间并没有显著区别。根据病灶判断难度分析,容易的诊断中知识工作者表现更佳:第1轮AUC为0.951±0.032,第2轮0.966±0.027(P=0.039),CAD的AUC为0.877±0.048。对于两轮检验都参加的知识工作者而言,第2轮的诊断结果有显著的提升:第1轮AUC为0.759±0.052,第2轮为0.839±0.046(P=0.041)。结论在慢性息肉的诊断方面,分布式人工智能和计算机辅助诊断(CAD)技术的结果之间并无显著差异。
关键词
计算机辅助诊断技术
CT结肠成像
人工智能
分布式
息肉
慢性
受试者工作特征曲线
患者知情同意
分类号
R737.904 [医药卫生—肿瘤]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
通过分布式人工智能实现CT结肠成像的计算机辅助慢性息肉辨识
Tan B. Nguyen, BS
Shijun Wang,
phd
VishalAnugu,BA
NatalieRose
Matthew McKenna, BS
nicholas petrick
,
phd
Joseph E. Bums, MD,
phd
Ronald M. Summers, MD,
phd
《中国医疗设备》
2012
1
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部