经过卷积神经网络训练和内部验证的超过15,000项肺部CT扫描已正确地将不确定的肺结节(IPN)重新分类为低风险或高风险类别。
AI系统在外部验证测试中证明了自己的才能。在这里,它对近600个恶性和良性现实结节中的三分之一进行了重新分类,其准确性要比研究人员和开发人员进行比较的传统风险模型好得多。
该研究在范德比尔特大学进行,并 在《美国呼吸与重症医学杂志》上免费全文发表。
在其讨论部分中,主要作者医学博士皮埃尔·马西翁(Pierre Massion)及其同事评论说,其神经网络的高性能展示可能意味着该技术具有改变患者管理的潜力。如果是这样,它将主要通过消除不必要的侵入性程序并减少诊断延迟来实现这一目标。
范德比尔特对这项研究的内部报道指出,遵守美国放射学院和美国胸科医师学院提供的现行指南可能会有所不同,从而导致主观结节分类。
该学校指出,本研究“是第一个在多个独立队列中验证风险分层工具并显示出明显优于现有风险模型的重分类性能。”
-
神经网络
+关注
关注
42文章
4829浏览量
106806
发布评论请先 登录
探索RISC-V在机器人领域的潜力
BLDC无刷直流电机测试的中坚力量—AN83YX
全方位压缩机行业测试解决方案—专业、精准、高效
利用蜂鸟E203搭建SoC【2】——外部中断扩展与验证
电池保护板测试系统的功能验证
LambdaTest推出全球首个AI智能体测试平台
无速度传感器永磁同步直线电机伺服系统的自适应鲁棒控制
关于鸿蒙App上架中“AI文本生成模块的资质证明文件”的情况说明
矩阵变换器——永磁同步发电机矢量控制系统
新能源车软件单元测试深度解析:自动驾驶系统视角
VirtualLab Fusion应用:单轴晶体中的偏振转换
Aigtek功率放大器在弯曲波声学透镜聚焦实验中的应用

AI系统在外部验证测试中证明了自己的才能
评论