人工智能影像诊断技术在基层医院中的应用与思考

人工智能（artificial intelligence,AI）是研究利用计算机来模拟人的某些思维过程和智能行为的学科。近年来,随着机器学习和深度学习的应用,AI技术在医学影像诊断中得到了飞速发展,且取得了卓越的效果。基层医院医生由于临床诊断能力较薄弱和经验累积较慢等原因,使得基层医院的诊疗受到一定的影响,将AI影像诊断技术应用于基层医院能提高医院的诊断效率及临床诊断准确性。但是,AI与医学影像诊断技术的结合尚处于初步阶段,有一定的不足,需制定相应的解决方案,以推动AI在医学影像诊断领域的不断发展与成熟。     

基于卷积神经网络的甲状腺液基细胞学病理辅助诊断模型的研究

目的:构建基于卷积神经网络的甲状腺液基细胞学病理辅助诊断模型。方法:收集700例甲状腺液基细胞学涂片,扫描成数字图像,经良、恶性标注后按比例分成训练集和测试集,噪声滤除后提取有效区域分别在10×和40×分割成512×512的小图像块,构建分类模型对训练集深度学习并对测试集自动判读,经数据增强和参数迭代优化,统计辅助诊断...     

人工智能在乳腺超声中的应用与发展

人工智能是利用计算机模拟人类学习、思考及作出判断的技术和方法,在医学影像领域应用中为临床流程带来便利,也为疾病诊断、治疗和预后提供更多的信息。而超声技术与人工智能的结合为乳腺诊断带来革新,本文就人工智能在乳腺超声中的流程及方法、应用和发展作一综述。     

CCTA-AI联合FFR-CT诊断冠状动脉狭窄病变的价值

目的 以冠状动脉造影(CAG)为金标准,探讨人工智能(AI)冠状动脉CT血管成像(CCTA-AI)联合基于冠状动脉CT的血流储备分数(FFR-CT)诊断冠状动脉狭窄病变的价值。方法 选取先后行冠状动脉CT血管成像(CCTA)及冠状动脉造影(CAG)检查的90例患者的资料,两项检查时间间隔≤2周。利用AI算法获得CCTA病变直径的狭窄程度,并采用科亚医疗深脉软件计算FFR-CT数值。以CAG为金标准,血管狭窄≥70%为重度狭窄,绘制CCTA-AI、FFR-CT以及联合两种AI软件的受试者操作特征曲线,获得曲线下面积(AUC),并计算CCTA-AI联合FFR-CT的敏感度、特异度。结果 将同时获得CCTA-AI及FFR-CT结果的90例患者的266支血管纳入分析。CCTA-AI、FFR-CT及两者联合诊断血管狭窄的AUC分别为0.817、0.850、0.883。CCTA-AI联合FFR-CT的诊断敏感度、特异度分别为82.09%和81.08%。结论 CCTA-AI联合FFR-CT对冠状动脉狭窄的诊断效能得到提高。     

超声人工智能辅助诊断系统在最大径≤2cm、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（阈值为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%。以术后病理结果为金标准,构建常规超声（高年资医师）、AI系统（阈值0.65）及AI系统（阈值0.70）三种诊断方法鉴别诊断乳腺良恶性结节的ROC曲线计算AUC分别为0.839、0.818和0.852（P<0.001）。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（高年资医师）和AI系统（阈值0.65）（79.41% vs 77.94%、75.00%,P＜0.001）。高年资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%,三者之间差异有统计学意义（P<0.05）。结论　超声AI辅助诊断系统可辅助超声诊断最大径≤2 cm、BI-RADS 4类乳腺结节良恶性鉴别,其诊断效能优于超声医师。     

基于深度学习的AS-OCT图像分析系统构建及其在角膜病变辅助诊断中的应用

目的:基于深度学习方法开发眼前节相干光层析成像术（AS-OCT）图像分析系统,并评价其对常见角膜病变及特征的自动识别与定位效果。方法:收集2011年1月至2019年8月于青岛眼科医院就诊的患者4 026例（5 617只眼）,男性1 977例,女性2 049例,年龄（45±23）岁,将其AS-OCT图像作为训练集,由临床...     

展望未来,我国青光眼防治亮点有哪些?

青光眼作为世界第一位不可逆致盲性眼病,如何早期发现、及时诊断、恰当治疗并坚持随访管理,一直是广大眼科临床工作者所努力的方向.当前,世界处于百年未有之大变局,中国处于近代以来最好的发展时期,两者同步交织、相互激荡.在今后的5～10年中,我国青光眼防治领域将产生很多令人瞩目的成就.笔者仅以个人对本专业粗浅的理解,对未来我国...     

基于机器学习技术利用常规检验数据建立肺结核鉴别诊断方法

目的探讨利用常规检验数据建立肺结核疾病鉴别诊断模型的应用价值。方法采用回顾性调查研究方法, 收集2015年5月至2021年11月就诊于北京积水潭医院和北京和平里医院初诊为肺结核和其他肺部疾病患者的常规检验数据。共纳入11 516例患者数据, 通过计算机产生随机数方法以9∶1比例分为训练集和测试集。使用支持向量机、随机森林、K最近邻和逻辑回归4种机器学习算法进行模型测试和特征选择, 采用十折交叉验证法验证模型诊断准确度, 并采用受试者工作特征(ROC)曲线下面积(AUC)评价模型诊断效能。结果本研究选择随机森林作为最优机器学习算法构建肺结核鉴别诊断的最佳特征模型。通过模型特征重要性排序, 选择37个非特异性检验项目构成肺结核鉴别诊断模型, 其验证集和测试集曲线下面积分别为0.747和0.736, 敏感度为68.03%和68.75%, 特异度为70.91%和67.90%, 准确度为70.30%和68.12%。结论基于机器学习算法利用常规检测数据是肺结核疾病鉴别诊断的一个有效工具, 但其应用价值还有待于更多医疗机构数据做进一步验证。     

人工智能在前列腺癌诊疗中的应用

人工智能（artificial intelligence,AI）是研究怎样在机器上模拟、扩展人的认知功能,包括学习、分析及对应问题做出类似甚至超越人类智能反应的一门学科。近年来,人工智能技术已经在医疗影像、疾病诊断和预测、虚拟助手、病理学、医院管理等方面有了初步应用。机器学习和深度学习作为医学人工智能的核心技术,其发展推动了人工智能在医学领域的研究。本文就人工智能在前列腺癌诊疗中的应用现状及前景进行了探讨。     

基于云技术和人工智能的自动化细胞学诊断平台在703103名女性宫颈癌筛查中的应用研究

目的 探讨一种基于云技术和人工智能（artificial intelligence, AI）的自动化细胞学诊断平台应用于人群宫颈癌筛查的有效性和准确率。方法 通过构建一种基于云技术和AI的自动化细胞学诊断平台;并于2018年1—12月,将该平台应用于来自湖北省83个县（市）、年龄20～72岁的703 103名女性的宫颈癌筛查;对云技术+AI自动化诊断平台筛查出的“上皮细胞异常”的阳性样本及随机抽样10%阴性样本,由有经验的细胞病理学医生复核。此外,经AI自动化平台筛查出的高度鳞状上皮内病变、低度鳞状上皮内病变合并高危型人乳头状病毒感染者均建议行阴道镜检查+宫颈活检确诊;分析该自动化细胞学诊断平台用于宫颈癌筛查的准确性和有效性。结果 AI自动化细胞学诊断平台在人群宫颈癌筛查中的成功率为96.76%(680 344/703 103)。AI自动化诊断平台与人工阅片相比,在未见上皮内瘤变及恶性细胞、非典型鳞状细胞-意义不明、高度提示存在高级别的宫颈病变、低度鳞状上皮内病变、高度鳞状上皮内病变的诊断一致率分别为99.10%(63 943/64 521)、87.49%(21 326/24 376)...