|
|
امروز: شنبه ۰۳ آذر ۱۴۰۳ - ۱۵:۰۴
کد خبر: ۳۰۹۴۲۴
تاریخ انتشار: ۰۵ آذر ۱۳۹۹ - ۱۲:۵۸
آگلوس کاتساگلوس، متخصص هوش مصنوعی و محقق ارشد این مطالعه گفت: "رادیولوژی گران است و همیشه در دسترس نیست. اشعه ایکس ارزان بوده و در حال حاضر یکی از عناصر رایج مراقبت های روزمره است و می تواند به طور بالقوه در هزینه و زمان صرفه جویی کند، بخصوص اینکه تنظیم وقت هنگام بررسی کووید-۱۹ بسیار حیاتی است. "
محققان دانشگاه نورث وسترن امریکا (NU) پلتفرم جدید هوش مصنوعی (AI) به نام Deep COVID-XR برای تشخیص کووید-۱۹ را با تجزیه و تحلیل تصاویر اشعه ایکس از ریه‌ها تولید کرده‌اند.

به گزارش شینهوا نت، الگوریتم یادگیری ماشین با ردیابی کووید-۱۹ در اشعه ایکس حدود ۱۰ برابر سریع‌تر و یک تا ۶ درصد با دقت بیشتر و بهتر نسبت به گروهی از رادیولوژیست های تخصصی قفسه سینه عمل کرده است.

برای توسعه، آموزش و آزمایش الگوریتم جدید، محققان از ۱۷۰۰۲ عکس اشعه ایکس قفسه سینه استفاده کردند. این تصاویر مربوط به ۵۴۴۵ مورد از بیماران کووید-۱۹ مثبت از مراکز سراسر نظام بهداشت و درمان نورث وسترن است.

محققان سپس DeepCOVID-XR را در برابر پنج رادیولوژیست کاردیوتوراسیک (قلبی- صدری) مجرب و آموزش‌دیده روی ۳۰۰ تصویرآزمایشی از بیمارستان لیک فارست بطور تصادفی آزمایش کردند. هر رادیولوژیست برای بررسی این مجموعه از تصاویر حدود دو ساعت و نیم تا سه ساعت و نیم وقت صرف کرد، در حالی که با سیستم هوش مصنوعی این بررسی حدود ۱۸ دقیقه به طول انجامید.

دقت رادیولوژیست‌ها بین ۷۶ تا ۸۱ درصد بود و DeepCOVID-XR با دقت ۸۲ درصد کمی بهتر عمل کرد.

آگلوس کاتساگلوس، متخصص هوش مصنوعی و محقق ارشد این مطالعه گفت: "رادیولوژی گران است و همیشه در دسترس نیست. اشعه ایکس ارزان بوده و در حال حاضر یکی از عناصر رایج مراقبت های روزمره است و می تواند به طور بالقوه در هزینه و زمان صرفه جویی کند، بخصوص اینکه تنظیم وقت هنگام بررسی کووید-۱۹ بسیار حیاتی است. "

محققان نورث وسترن این الگوریتم را در دسترس عموم قرار داده‌اند با این امید که دیگران بتوانند با داده‌های جدید به آموزش آن ادامه دهند. لازم به ذکر است، DeepCOVID-XR هنوز در مرحله تحقیق است، اما به طور بالقوه می‌تواند در آینده در محیط بالینی استفاده شود.

این مطالعه در مجله رادیولوژی منتشر شده است.
ارسال نظر
نام:
ایمیل:
* نظر:
اخبار روز
ببینید و بشنوید
آخرین عناوین