行业报告 AI展会 数据标注 标注供求
数据标注数据集
主页 > 智慧医疗 正文

Lancet Oncol:关于人工智能诊断甲状腺癌的研究成

 

天津医科大学肿瘤医院陈可欣、李祥春和张晟教授三个课题组最近共同报道了基于深度学习算法分析超声图像实现甲状腺癌人工智能诊断研究,研究成果于2018年12月21日发表在国际肿瘤学领域著名期刊《Lancet Oncology》,题目为“Diagnosis of thyroid cancer using deep convolutional neural network models applied to sonographic images: a retrospective, multi-cohort, diagnostic study ”。
 
甲状腺癌发病率稳步上升,超声检查是甲状腺结节诊断及评估最常用的手段,它具有经济、便利且相对易于推广的特点;然而其对影像医师的水平要求较高,需要有丰富的经验,个体检查耗时长。基于深度学习的影像学分析是当前国际前沿研究,其对CT、MR和B超等医学图像的分析准确率可以媲美经验丰富的影像科医生,具有快速及可重现的特点。
 
本研究是回顾性、多中心诊断研究。此项研究有4家医院参与,以天津医科大学肿瘤医院30余万张甲状腺超声图像作为训练集进行模型开发,用3个独立数据集作为验证;并与2位具有10年经验和4位具有20年经验的甲状腺B超诊断大夫进行系统比较。此项研究是迄今为止在甲状腺超声人工智能领域研究中囊括图像最多的研究。分析结果发现该模型在识别甲状腺癌的敏感性和特异性可以媲美这6位经验丰富影像专家(敏感性:93.4% vs 96.9%,特异性:86.1% vs 59.4%)。该系统有望减少不必要的细针抽吸活组织检查,但仍需要在在未来的随机临床试验中进一步评估。
 
目前该人工智能系统还有一些局限性,无法考虑其他临床参数,因此它不能完全取代甲状腺癌的人工诊断,但可以辅助增强甲状腺超声学家在甲状腺癌诊断中的能力,特别是我国城乡医疗资源尚有不均衡存在,此人工智能系统有助于改善基层医疗机构甲状腺超声诊疗水平,为各级医疗机构提供一种快速、准确和便利的甲状腺癌超声诊断工具。
 
该研究得到教育部长江学者和创新团队发展计划、国家自然科学基金的资助。
 
原始出处:
 
Xiangchun Li,et al.Diagnosis of thyroid cancer using deep convolutional neural network models applied to sonographic images: a retrospective, multicohort, diagnostic study.Lancet Oncol.December 21, 2018

所属期刊:LANCET ONCOL 影响因子:36.418 期刊论坛:进入期刊论坛

微信公众号

声明:本站部分作品是由网友自主投稿和发布、编辑整理上传,对此类作品本站仅提供交流平台,转载的目的在于传递更多信息及用于网络分享,并不代表本站赞同其观点和对其真实性负责,不为其版权负责。如果您发现网站上有侵犯您的知识产权的作品,请与我们取得联系,我们会及时修改或删除。

网友评论:

发表评论
请自觉遵守互联网相关的政策法规,严禁发布色情、暴力、反动的言论。
评价:
表情:
用户名: 验证码:点击我更换图片
SEM推广服务

Copyright©2005-2028 Sykv.com 可思数据 版权所有    京ICP备14056871号

关于我们   免责声明   广告合作   版权声明   联系我们   原创投稿   网站地图  

可思数据 数据标注

扫码入群
扫码关注

微信公众号

返回顶部