人工智能对放射工作流程的益处

2019年09月18日由 TGS 发表 515830 0

人工智能在医学成像领域的出现，其背后的主要驱动力是对临床护理的更大功效和效率的渴望。放射成像数据继续以不成比例的速度增长，而成像费用的下降迫使卫生保健提供者只能提高生产率来进行补偿。这些因素导致放射科医生的工作量急剧增加。

研究报告称，在某些情况下，一名普通的放射科医生必须在8小时工作日内每3-4秒解释一张图像，才能满足工作量需求。所以，放射学行业的领导者正在积极地寻找机器学习、神经网络和自然语言处理的机会，以优化放射学的工作流程。

检测是人工智能在医疗保健领域的典型代表，但作为一种筛查工具，这项技术还可以添加更多内容。

“以一种正式的方式定义正常和异常图像之间的边界是非常复杂的。在这种背景下，通过从大量的普通考试中学习一种特定类型图像的分层标准表示，深度学习很可能会取得优异成绩。”加拿大放射学家协会(CAR)在2018年写道。

通过自动检测，放射科医生可以根据读取优先级查看图像，从而加快报告速度。通过添加检索服务，当遇到不寻常的复杂情况时，人工智能会从数据库中提取类似的图像，以供审查。

在其白皮书中，该协会构想了在临床工作流程中使用人工智能的三个模型：1、分类:人工智能筛选疾病概率的检查，并确定解释的顺序；2、替代：人工智能始终优于人类放射科医生；3、附加功能：人工智能通过处理时间密集型活动支持现有的临床路径。

在影像学研究中，将感兴趣的区域分割出来仍然是一项受可变性影响的手工工作。在最近的一份白皮书中，欧洲放射学会(ESR)将自动分割描述为“与人工智能应用程序一样，对于减轻放射工作流程的负担至关重要”。在这一领域，深度学习显示出了解决这一低效问题的能力，甚至可以称之为希望之星。它能够学习复杂的数据表示，也能抵抗不好的变化。因此，可以应用于各种临床条件和参数。

在许多方面，深度学习可以反映出那些训练有素的放射科医生所做的工作——即识别图像参数，同时也可以根据其他因素权衡这些参数的重要性，从而得出临床决策。

标签：

行业深度学习人工智能

0 评论

欢迎关注ATYUN官方公众号

商务合作及内容投稿请联系邮箱:bd@atyun.com

上一篇 OpenAI通过捉迷藏游戏训练人工智能

下一篇 Facebook将与Luxottica合作，在2025年前生产AR眼镜

评论登录

要发表评论，您必须先登录。

jonatasgrosman/wav2vec2-large-xlsr-53-english facebook/dino-vitb16 bert-base-uncased xlm-roberta-large xlm-roberta-base gpt2 microsoft/resnet-50 facebook/dino-vits8

Sam Altman离职事件时间线