分析肺部影像人工智能诊断系统鉴别诊断肺结节性质

目的探讨肺部影像人工智能诊断系统对肺结节性质及肺癌病理类型的鉴别诊断价值。方法回顾性分析医院2018年3月~2019年3月收治的178例肺结节患者的临床资料,经肺部影像人工智能诊断系统鉴别肺结节性质及肺癌病理类型,所有患者均经手术治疗,肺结节均经病理检查明确良恶性,恶性结节也均明确病理类型。统计肺部影像人工智能诊断系统的鉴别诊断结果;分析该方法与病理检查结果的一致性。结果本组患者中恶性结节占比38.78%,肺癌患者占比17.98%,且腺癌、小细胞癌、鳞癌、大细胞癌占比分别为71.88%、18.75%、6.25%、3.13%;经肺部影像人工智能诊断系统鉴别有152个良性肺结节,有93个恶性肺结节,有148例患者被诊断为良性肺结节病,有30例患者被诊断为肺癌,其中有21例被诊断为腺癌,有6例被诊断为小细胞癌,有2例被诊断为鳞癌,有1例被诊断为大细胞癌;经Kappa一致性检验,肺部影像人工智能诊断系统鉴别肺结节良恶性、肺癌病理类型结果与病理检查结果的一致性良好(Kappa值=0.801,P=0.015;Kappa值=0.763,P=0.024)。结论肺部影像人工智能诊断系统鉴别诊断肺结节性质及肺癌病理类型结果与病理检查结果一致性均较高,效能良好,值得推广。

肺部影像人工智能诊断系统对肺结节性质的诊断价值分析

目的:分析肺部影像人工智能诊断系统对肺结节性质及肺癌病理类型的鉴别诊断价值。方法:回顾性分析178例肺结节患者的临床资料,经肺部影像人工智能诊断系统鉴别肺结节性质及肺癌病理类型。结果:本组患者中恶性结节占比38.78%,肺癌患者占比17.98%,且腺癌、小细胞癌、鳞癌、大细胞癌占比分别为71.88%、18.75%、6.25%、3.13%;经Kappa一致性检验,肺部影像人工智能诊断系统鉴别肺结节良恶性、肺癌病理类型结果与病理检查结果的一致性良好(Kappa值=0.801,P=0.015;Kappa值=0.763,P=0.024)。结论:肺部影像人工智能诊断系统鉴别诊断肺结节性质及肺癌病理类型结果与病理检查结果一致性均较高,效能良好,值得推广。

分析肺部影像人工智能诊断系统鉴别诊断肺结节性质

对肺结节鉴别诊断采用肺部影像人工智能诊断系统做好辨别。方法 通过选取本院收治的100例肺结节患者,随后开展回顾性分析,均于2020.1-2022.1收治的患者进行分析,采用肺部影像人工智能诊断,随后进行病理学检查,做好肺结节性质的良恶性判定以及人工智能诊断系统准确率分析,统计鉴别诊断结果。结果 良性肺结节中包含单发、多发分别为54例、6例。恶性肺结节中包含单发、多发8例、32例 经病理检查,本次包含恶性肿瘤38例,腺癌、小细胞癌、鳞癌、大细胞癌人数分别为25例、7例、4例、2例,所占比例分别为78.13%、18.42%、10.53%、5.26%。肺部影像人工智能诊断系统鉴别准确率相对较好。结论 在肺结节性质诊断中,采用肺部影像人工智能系统进行判定,效果较好,一致性高,值得进行推广。

人工智能影像辅助诊断系统阅片在鉴别肺结节性质中的价值分析

目的探究人工智能影像辅助诊断系统阅片在鉴别肺结节性质中的价值,为临床诊断肺结节疾病提供参考依据。方法回顾性分析北大医疗潞安医院2022年6月至2023年6月收治的82例肺结节患者的临床资料,所有患者均接受电子计算机断层扫描(CT)检查,获得的CT图像进行人工阅片和人工智能影像辅助诊断阅片,并进行定性诊断。以病理检查为金标准,分析比较两种阅片方式对肺结节的检出情况及两种阅片方式对肺结节良、恶性的诊断效能。结果82例肺结节患者中共检出245个结节,其中结节直径<5 mm者154个,5 mm≤结节直径≤10 mm者66个,结节直径>10 mm者25个。与人工阅片相比,人工智能影像辅助诊断系统阅片对肺结节直径<5 mm、5 mm≤直径≤10 mm的检出率升高;与人工阅片相比,人工智能影像辅助诊断系统阅片对肺结节恶性的诊断特异度降低,灵敏度、阴性预测值均升高(均P<0.05)。结论人工智能影像辅助诊断系统阅片对肺结节的检出率更高,并且诊断灵敏度、阴性预测值较高,但其特异度较低,因此会存在一定的假阳性率,建议临床上将两种阅片方式进行结合,以提高对肺结节的诊断准确性。

超声人工智能辅助诊断系统在最大径≤2 cm的BI-RADS 4类乳腺结节诊断中的应用价值

目的探讨超声人工智能(AI)辅助诊断系统对最大径≤2 cm的乳腺影像报告与数据系统(BI-RADS)4类乳腺结节的诊断价值。方法回顾性分析2020年5月至2022年10月于上海中医药大学附属曙光医院进行超声检查并诊断为BI-RADS 4类乳腺结节的204例患者共210个最大径≤2 cm结节的二维超声图像。以术后病理结果为金标准,评价常规超声和AI系统(风险评分值阈值设为0.65、0.70)对最大径≤2 cm的BI-RADS 4类乳腺结节良恶性的诊断效能。结果210个乳腺结节中良性结节94个,恶性结节116个。高年资超声医师常规超声检查诊断乳腺结节良恶性的灵敏度为92.24%,特异度为75.53%,准确度为84.76%;AI系统(阈值0.65)诊断乳腺结节良恶性的灵敏度为92.24%,特异度为71.28%,准确度为82.86%;AI系统(阈值0.70)诊断乳腺结节良恶性的灵敏度为90.52%,特异度为79.79%,准确度为85.71%。AI系统(阈值0.70)诊断BI-RADS 4a类结节的准确度高于常规超声和AI系统(阈值0.65)(79.41%vs 77.94%、75.00%)。高年资超声医师通过常规超声对最大径≤1 cm的结节诊断准确度最高,为86.36%,AI系统(阈值0.65)及AI系统(阈值0.70)准确度分别为81.82%、84.09%。结论超声AI辅助诊断系统可辅助鉴别诊断最大径≤2 cm的BI-RADS 4类乳腺结节的良恶性。

人工智能医学影像辅助诊断系统在肺结节诊断上的应用准确性探讨

目的:分析人工智能医学影像辅助诊断系统在肺结节诊断上的应用准确性。方法:选取2019年5月—2020年12月在昆明市第一人民医院经病理诊断为肺结节的患者98例,采用随机数字法将患者分为对照组和观察组,各49例。对照组接受CT检查诊断,观察组接受人工智能医学影像辅助诊断系统联合CT诊断,对比两组患者的诊断结果、灵敏度、特异度、准确性、漏诊率、误诊率、检查时间、检查满意度。结果:CT诊断为真阳性18例、假阴性6例、假阳性6例、真阴性19例;人工智能医学影像辅助诊断系统联合CT诊断为真阳性23例、假阴性1例、假阳性2例、真阴性23例。观察组患者的诊断灵敏度为95.83%、准确性为93.88%、漏诊率为4.17%,与对照组的75.00%、75.51%、25.00%对比差异显著(P<0.05);两组的诊断特异度与误诊率对比差异不显著(P>0.05);观察组检查所使用的时间短于对照组,差异具有统计学意义(P<0.05);观察组患者对检查的满意度为97.96%,显著高于对照组患者的85.71%(P<0.05)。结论:在对肺结节患者实施检查诊断时,对患者使用人工智能医学影像辅助诊断系统联合CT诊断,可以有效提高疾病的诊断准确率,有效减少了误诊和漏诊的出现,并且两种方法联合可以有效缩短检查所使用的时间,进而快速地诊断病情,对疾病的治疗和预后有积极作用,并且可以显著提升患者对检查的满意度,值得在临床上推广应用。

人工智能医学影像辅助诊断系统在肺结节筛查方面的临床应用探讨

人工智能医学影像辅助诊断系统在肺结节筛查方面的临床应用较为广泛,基于该系统的原理和具体应用中的潜力和优势分析,探讨其在提高肺癌的早期诊断和治疗效果方面的应用价值,发现该技术的不足之处以及进一步完善技术和标准,以确保其应用效果的可靠性和安全性。

人工智能辅助诊断系统在低剂量肺部CT扫描筛查肺原位癌的应用价值

目的:探讨人工智能(AI)辅助诊断系统在低剂量肺部CT扫描筛查肺原位癌中的应用价值。方法:选取2021年1月—2023年1月在烟台市烟台山医院经低剂量肺部CT扫描筛查的肺部结节患者80例(106个结节)为研究对象,以胸腔镜病理结果作为早期肺原位癌诊断“金标准”,分析基于AI辅助诊断系统对肺原位癌诊断的应用价值。结果:以胸腔镜病理结果为金标准,AI辅助诊断CT扫描诊断肺原位癌的灵敏度、特异度、阴性预测值、准确率分别为95.59%、94.74%、92.31%、95.28%,均高于专业医师CT扫描的79.41%、78.95%、68.18%、79.25%,差异有统计学意义(P<0.05);AI辅助诊断CT扫描诊断肺原位癌的阳性预测值为97.01%,专业医师CT扫描为87.10%,差异无统计学意义(P>0.05)。AI辅助诊断CT扫描对直径<5 mm、5~10 mm的肺原位癌病灶检出率分别为81.82%、97.14%,均高于专业医师CT扫描的36.36%、80.00%,差异有统计学意义(P<0.05);AI辅助诊断CT扫描、专业医师CT扫描对直径>10 mm肺结节的检出率比较,差异无统计学意义(P>0.05)。AI辅助诊断CT扫描对实性、磨玻璃肺原位癌病灶检出率分别为94.44%、96.55%,均高于专业医师CT扫描的66.67%、79.31%,差异有统计学意义(P<0.05);AI辅助诊断CT扫描、专业医师CT扫描对部分实性肺原位癌病灶的检出率比较,差异无统计学意义(P>0.05)。结论:AI辅助诊断系统在低剂量肺部CT扫描筛查肺原位癌中具有较高的诊断效能,可作为临床医师早期筛查肺原位癌的有效手段。

人工智能技术在医学影像专家系统中的应用及发展

本文对人工智能技术在常规医学及其医学影像专家系统中的发展情况作了回顾 ,阐明了在医学诊断系统中 ,主要困难在于多种疾病的同时并发 ,即在许多病人中存在着一种疾病的症状潜伏着多种其它疾病的症状的现象。而医学影像专家系统发展的困难在于高级视觉系统内在的不足 ,从医学扫描器上获得的数据可能是噪声和模糊的 ,从而增加了专家系统的复杂性。最后对人工智能技术在医学影像专家系统中的发展前景作了展望。

人工智能在肺部医学影像诊断中的应用研究

肺部疾病危害严重,死亡率高,传统的肺部医学影像诊断设备诊断准确率低、诊断时间过长,制约了肺部疾病的确诊。采用人工智能方式可以摆脱诊断过程中对医师经验的依赖,是未来医学发展的方向。以人工智能化X光影像仪系统为主导采取直接成像方法形成人工智能摄影技术,提高肺部病变的诊断水平;具备超高分辨率特点的人工智能断层扫描成像技术可以清晰的观测到有关肺部病变详细信息;人工智能磁共振技术让肺部疾病三维立体的展现出来,真正的实现了简单、快速、准确的医学诊断。

基于CT影像分析的肺部疾病辅助诊断系统应用研究

目的:通过对肺部医学影像进行预处理增强肺部病灶区域,并用3D建模实现肺部影像立体视觉效果,而影像的数据测量功能有助于辅助医生诊断更加精确、科学、全面;加快以智能化、数字化为中心的辅助诊断系统建设。方法:系统可对DICOM、JPG、IMA、BMP格式的医学影像进行处理,分为5个功能模块:第一部分是肺部影像预处理,包括改进型均衡化、几何变换、滤波处理、形态学等功能的实现;第二部分是肺实质分割,包括滚球法分割、多阈值法分割、基于灰度级分层的伪彩色分割、手动分割、肺结节的提取功能;第三部分是肺部影像伪彩色处理功能的实现;第四部分是肺部影像3D建模可变视角观察;第五部分是对提取的病灶区域进行边界提取、踩点测距、面积及周长的计算功能。结果:系统优化了功能类型,实现功能的多样化、专业化、智能化,并且实现了肺部立体式旋转观察,增强了影像细节部分的显示功能,加强了人工和自动标识的功能,有助于提高医生诊断的可靠性。结论:系统实现了肺部影像的增强功能、3D建模及数据测量功能,提高了系统设计的可靠性,辅助医生进行肺部疾病诊断,可进行功能扩展,在肺部疾病辅助诊断系统中有较好的应用前景。

人工智能在医学影像领域的应用与挑战

人工智能与医学影像的结合被认为是最具发展前景的领域。其在医学影像中的应用,主要包括计算机辅助诊断、影像组学、影像基因组学等场景。当前,人工智能在医学影像领域的应用还处于初级阶段,面临着诸多来自技术和伦理的挑战,如数据质量问题、机器性能问题、算法偏见问题、隐私泄露问题以及责任划分问题等,需采取措施加以规避和制约。如:制定相应的法律法规和伦理规范,建立质控管理系统和监管体系,加强理论攻关和技术研发力度,推动人工智能技术不断走向成熟和完善等。

人工智能肠癌诊断

近日,日本昭和大学与有关医院合作开发成功人工智能肠癌诊断系统.该系统是根据日本五家医院提供的3000多病例的60000多张影像资料的数据建库,并通过对库中的肿瘤影像资料的解析与深度学习,由此形成了具有肠癌自动识别功能的人工智能肠癌诊断系统.该系统大大地提升了肠癌诊断的效率与准确率,使得大肠癌早期诊断成为可能.

基于CT影像的人工智能辅助诊断系统对4771例肺癌诊断价值的系统评价与Meta分析

目的评估基于CT影像的人工智能(artificial intelligence,AI)辅助诊断系统对肺癌的诊断价值。方法计算机检索PubMed、EMbase、The Cochrane Library、CNKI、万方数据库和中国生物医学文献数据库(CBM)中2010~2019年关于基于CT影像的AI辅助诊断系统诊断肺癌的中英文文献。按照诊断试验的纳入和排除标准筛选文献,进行质量评价并提取特征信息。采用RevMan 5.3、Stata 12.0和SAS 9.4软件进行Meta分析,以合并敏感度、特异度、阳性似然比、阴性似然比、诊断比值比,绘制综合受试者工作特征(SROC)曲线,并通过Meta回归分析探索研究间异质性来源。结果共纳入18个研究,包括4 771例患者。纳入的研究间存在异质性,采用随机效应模型进行分析。Meta分析结果显示:基于CT影像的AI辅助诊断系统诊断肺癌的合并敏感度、合并特异度、合并阳性似然比、合并阴性似然比、合并诊断比值比和SROC曲线下面积分别为0.87[95%CI(0.84,0.90)]、0.89[95%CI(0.84,0.92)]、7.70[95%CI(5.32,11.15)]、0.14 [95%CI(0.11,0.19)]、53.54[95%CI(30.68,93.42)]和0.94[95%CI(0.91,0.95)]。结论基于CT影像的AI辅助诊断系统对肺癌具有较高的诊断价值,可以作为一种诊断肺癌的方法在临床推广应用。但受纳入研究的数量和质量限制,上述结论尚需开展更多高质量研究予以验证。

“人工智能+医疗”——技术不是AI医疗核心问题,能否商业化变现成为关键

从整个大环境看,2018年在医疗领域的投资火热程度比2017年高,特别是在医药和E-Health领域。据统计,在2013年至2018年间,AI+医疗的融资数量一路上升,2013年仅有16例,而到2018年上半年就已经发生了79例。主要项目围绕虚拟助手、医疗机器人和医疗影像三大种类。将整个“大健康”分为五个部分:生物医药。

神经网络在肺部单发结节CT诊断中的应用

神经网络是人工智能领域的重要组成部分 ,适合解决多参数的聚类分析等复杂问题。通过 CT影像判断肺部单发结节 (SPN)良恶性的方法是 :综合分析判断 SPN的形态、大小、密度等多个参数 ,进而得出最后诊断。神经网络的应用可使 SPN的

肺部CT图像多病种自动检测及分类

针对医学影像预处理复杂、病灶位置分散检测困难、医院等实际应用场景的设备条件难以满足庞大影像数据量对设备的高性能要求等难点,本文采用卷积神经网络的方法训练双阶段模型,对肺结节、索条和动脉硬化钙化3种病灶进行检测,第一阶段目标是检测查全率,第二阶段目标是检测查准率。实验结果表明本文方法在设备有限时,检测时间约为DeepLung等3D模型的10%,检测准确性比YOLOv3等2D模型要高,在实际应用场景中具有较高的实用性。

AI辅助诊断联合医师C-TIRADS分类对甲状腺结节的诊断效能分析

目的探讨人工智能(Artificial Intelligence,AI)诊断系统联合中国(超声)甲状腺影像报告和数据系统(Chinese Thyroid Imaging Reporting and Data System,C-TIRADS)在甲状腺结节中的诊断价值。方法将符合纳入及排除标准的225个甲状腺结节作为研究对象,分别采用医师C-TIRADS分类诊断、AI诊断系统、AI诊断系统联合医师C-TIRADS分类诊断的方法,以粗针穿刺或手术病理诊断结果为金标准,绘制受试者工作特征(Receiver Operating Characteristic,ROC)曲线;比较3种诊断方法的ROC曲线下面积(Area Under Curve,AUC)、灵敏度、特异性、约登指数。结果联合诊断的AUC(0.952)高于C-TIRADS分类诊断(0.900)及AI诊断系统(0.829);联合诊断的特异性(95.74%)高于AI诊断系统(84.04%)和C-TIRADS分类诊断(82.98%);C-TIRADS分类诊断的灵敏度(96.95%)高于联合诊断(94.66%)及AI诊断系统(81.68%)。在≤10 mm结节诊断中,联合诊断的AUC(0.978)高于AI诊断系统(0.897)和C-TIRADS分类诊断(0.778);联合诊断的灵敏度(98.36%)高于C-TIRADS分类诊断(93.44%)和AI诊断系统(90.16%);联合诊断的特异性(97.30%)高于AI诊断系统(89.19%)和C-TIRADS分类诊断(62.16%)。在>10 mm结节诊断中,C-TIRADS分类诊断的AUC(0.982)高于联合诊断(0.931)和AI诊断系统(0.775);C-TIRADS分类诊断的灵敏度(100%)高于联合诊断(91.43%)和AI诊断系统(74.29%);C-TIRADS分类诊断的特异性(96.49%)高于联合诊断(94.74%)和AI诊断系统(80.7%),差异均具有统计学意义(P<0.05)。结论AI诊断系统联合医师C-TIRADS分类可提高甲状腺结节诊断的准确度及特异性,尤其对于≤10 mm结节,AI与医师联合诊断有更好的临床应用价值。对于>10 mm结节,AI诊断系统临床应用价值有限,医师C-TIRADS分类诊断灵敏度、特异性和准确度更高。

人工智能在医学影像中的研究与应用

人工智能和医学图像技术的结合已经被选定为最有发展潜力的领域。它的应用主要涉及计算机辅助诊断、图像组织、图像基因组学等多个方面。当前人工智能在医学影像领域的应用还处于起步阶段,技术应用还处于起步阶段,面临着伦理的挑战。例如数据质量问题、机械性能问题、算法偏差问题、隐私泄露问题、责任划分问题等,都需要通过制定相关的法律法规和道德规范,建立质量管理体系和监管体系等措施加以避免和制约,以加强理论研究和技术开发,促进人工智能技术的不断成熟和完善。

肺结节的防治

随着生活水平的提高,健康体检意识的增强以及CT分辨率的提高和人工智能辅助影像诊断的普及等因素,使得近年来肺结节检出率明显提高。人们很容易因为影像报告上的肺结节产生谈虎色变的恐慌。一、肺结节其实肺结节是一种影像学的描述,一般表现为局灶性、类圆形、密度增高的实性和亚实性的肺部阴影,可以是孤立性的,也可以是多发性的,通常不伴肺不张、肺门淋巴结肿大和胸腔积液。