AI با دقت و سرعت COVID-19 را در اشعه ایکس قفسه سینه تشخیص می دهد

[ad_1]

تصویر

تصویر: نقشه های حرارتی تولید شده به طور مناسب ناهنجاری های میدان ریوی را در این تصاویر برجسته می کند ، با برچسب دقیق COVID-19 مثبت (AC) و در مقابل تصاویری که برای COVID-19 مشاهده می شود منفی است. بیشتر

اعتبار: دانشگاه نورث وسترن

  • الگوریتم آموزش دیده ، آزمایش شده بر روی بزرگترین مجموعه از دوره COVID (17002 عکس اشعه ایکس)
  • این الگوریتم تصاویر اشعه ایکس از ریه ها را 10 برابر سریعتر تجزیه و تحلیل می کند ، 1-6 more دقیق تر از رادیولوژیست های تخصصی منفرد
  • الگوریتم اکنون برای ادامه آموزش با داده های جدید در دسترس سایر محققان است
  • این سیستم همچنین ممکن است به طور بالقوه بیمارانی را که از روش دیگری برای COVID-19 مورد بررسی قرار نمی گیرند ، گوشزد کند
  • این محقق گفت: “برای غربالگری بیمار و تعیین اینکه آیا وی باید جدا شود ، ثانیه طول می کشد.”

ایوانستون ، ایلینوی – محققان دانشگاه نورث وسترن یک پلت فرم جدید هوش مصنوعی (AI) ایجاد کرده اند که با تجزیه و تحلیل اشعه ایکس ریه ها ، COVID-19 را تشخیص می دهد.

الگوریتم یادگیری ماشین که DeepCOVID-XR نامیده می شود ، از تیمی از رادیولوژیست های تخصصی قفسه سینه بهتر عمل می کند – لکه بینی COVID-19 در اشعه X حدود 10 برابر سریعتر و 1-6 more دقیق تر.

محققان بر این باورند که پزشکان می توانند از سیستم AI برای غربالگری سریع بیمارانی که به دلایلی غیر از COVID-19 در بیمارستان بستری می شوند استفاده کنند. تشخیص سریعتر و زودتر یک ویروس بسیار مسری می تواند به طور بالقوه از متخصصان مراقبت های بهداشتی و سایر بیماران محافظت کند و باعث شود بیمار مثبت زودتر منزوی شود.

نویسندگان این مطالعه همچنین بر این باورند که این الگوریتم می تواند به طور بالقوه نشان دهنده جداسازی و آزمایش بیمارانی باشد که در غیر این صورت برای COVID-19 مورد بررسی قرار نمی گیرند.

این مطالعه در 24 نوامبر در ژورنال منتشر خواهد شد رادیولوژی.

آگلوس کاتساگلوس از نورث وسترن ، متخصص هوش مصنوعی و نویسنده ارشد این تحقیق گفت: “ما هدف جایگزینی آزمایش واقعی را نداریم.” “اشعه ایکس معمول ، ایمن و ارزان است. سیستم های ما چند ثانیه طول می کشد تا بیمار را بررسی کند و تشخیص دهد که آیا بیمار باید جدا شود.”

دکتر رمزی وب ، متخصص قلب و فوق دکترا در هوش مصنوعی در انستیتوی قلب و عروق پزشکی نورث وسترن بلوم گفت: “گرفتن نتایج آزمایش COVID-19 ممکن است ساعتها یا روزها طول بکشد.” “هوش مصنوعی تأیید نمی کند که شخصی ویروس دارد یا خیر. اما اگر بتوانیم با این الگوریتم به یک بیمار برچسب بزنیم ، می توانیم تریاژ را قبل از بازگشت نتایج آزمایش سرعت دهیم.”

کاتزاگلوس استاد مهندسی برق و مهندسی کامپیوتر در جوزف کامینگز در دانشکده مهندسی مک کورمیک در شمال غربی است. وی همچنین جلسات حسن نیت ارائه می دهد در علوم کامپیوتر و رادیولوژی. وهبی دانشجوی دکترای م Bluسسه بیماری های قلبی عروقی بلوهم در بیمارستان یادبود نورث وسترن است.

چشم آموزش دیده

برای بسیاری از بیماران مبتلا به COVID-19 ، اشعه ایکس قفسه سینه الگوهای مشابهی را نشان می دهد. به جای ریه های تمیز و سالم ، ریه های آنها ناهموار و مه آلود به نظر می رسد.

وهب گفت: “بسیاری از بیماران مبتلا به COVID-19 یافته های مشخصی در تصاویر قفسه سینه خود دارند.” آنها شامل “تلفیق های دو جانبه” هستند. ریه ها به خصوص در لوب های تحتانی و پیرامون پر از مایع و ملتهب هستند. “

مشکل این است که ذات الریه ، نارسایی قلبی و سایر بیماری های ریوی می توانند مانند اشعه ایکس به نظر برسند. برای تشخیص COVID-19 و چیزی کمتر مسری ، به یک چشم آموزش دیده نیاز است.

آزمایشگاه Katsaggelos در استفاده از AI برای تصویربرداری پزشکی تخصص دارد. او و وهب قبلاً در پروژه های تصویربرداری قلب با هم کار کرده اند و فکر کرده اند که آیا می توانند یک سیستم جدید برای کمک به مبارزه با بیماری همه گیر ایجاد کنند.

وهب گفت: “وقتی شیوع بیماری همه گیر در شیکاگو شروع به رشد کرد ، ما فکر کردیم که آیا کاری می توانیم انجام دهیم؟” “ما روی پروژه های تصویربرداری پزشکی با استفاده از اکو قلب و تصویربرداری هسته ای کار کردیم. ما احساس کردیم که می توانیم تجربه مشترک خود را برای کمک به مبارزه با COVID-19 ایجاد و استفاده کنیم.

هوش مصنوعی در مقابل انسان

برای توسعه ، آموزش و آزمایش الگوریتم جدید ، محققان از 17002 اشعه ایکس قفسه سینه استفاده کردند – بزرگترین مجموعه بالینی منتشر شده از اشعه ایکس قفسه سینه مربوط به دوره COVID-19 که برای آموزش سیستم AI استفاده می شود. از این تصاویر ، 5،445 مربوط به بیماران COVID-19 مثبت از سایت های موجود در سیستم بهداشتی یادبود شمال غربی بود.

این تیم سپس آزمایش DeepCOVID-XR را در برابر پنج رادیولوژیست با تجربه آموزش دیده توسط قلب در 300 تصویر آزمایش تصادفی از بیمارستان Lake Forest انجام داد. هر رادیولوژیست برای بررسی این مجموعه از تصاویر تقریباً دو و نیم تا سه ساعت و نیم وقت صرف کرد ، در حالی که سیستم هوش مصنوعی حدود 18 دقیقه به طول انجامید.

دقت رادیولوژیست ها از 76-81٪ متفاوت است. DeepCOVID-XR با دقت 82٪ کمی بهتر عمل کرد.

وهب گفت: “اینها متخصصانی هستند كه برای خواندن تصاویر قفسه سینه آموزش دیده اند.” “در حالی که اکثر اشعه ایکس قفسه سینه توسط رادیولوژیست های عمومی خوانده می شود یا در ابتدا توسط متخصصان غیر رادیولوژی ، مانند پزشک معالج ، تفسیر می شود. بسیاری از اوقات بر اساس این تفسیر اولیه تصمیم گیری می شود.”

کاتزاگلوس گفت: “رادیولوژیست ها گران هستند و همیشه در دسترس نیستند.” “اشعه ایکس ارزان است و در حال حاضر یکی از عناصر رایج مراقبت های روزمره است. این می تواند به طور بالقوه در هزینه و زمان صرفه جویی کند – به خصوص به دلیل اینکه زمان کار با COVID-19 بسیار مهم است.”

محدودیت های تشخیص

البته ، همه بیماران مبتلا به COVID-19 علائم بیماری ، از جمله اشعه ایکس قفسه سینه را نشان نمی دهند. به خصوص در ابتدای پیشرفت ویروس ، بعید به نظر می رسد که بیماران هنوز از طریق ریه ها تظاهراتی داشته باشند.

وب گفت: “در این موارد ، سیستم AI بیمار را به عنوان مثبت نشان نمی دهد.” “اما رادیولوژیست نیز چنین نمی کند. واضح است که تشخیص رادیولوژیک COVID-19 محدودیتی دارد ، بنابراین ما از این روش برای جایگزینی آزمایش استفاده نمی کنیم.”

محققان در شمال غربی این الگوریتم را در دسترس عموم قرار داده اند به این امید که دیگران بتوانند با داده های جدید به آموزش آن ادامه دهند. DeepCOVID-XR در حال حاضر هنوز تحت بررسی است ، اما ممکن است در آینده در محیط بالینی استفاده شود.

###

از جمله نویسندگان این تحقیق می توان به جیا یو شنگ ، شینجان دوتا ، سیوآن چای ، آمیل دراوید ، سمیح باروتکو و یونان وو – همگی اعضای آزمایشگاه کاتساگلوس – و پزشکان اشاره کرد. دونالد کانترل ، نیکلاس شیائو ، بردلی آلن ، گریگوری مک نیلی ، هاتیس ساواش ، ریشی آگروال و نیشانت پاره همگی رادیولوژیست پزشکی شمال غربی هستند.

اخبار بیشتر در شمال غربی اکنون

متخصصان را در مرکز تخصصی دانشکده ما پیدا کنید

برای چشم اندازهای تخصصیNUSources را دنبال کنید

سلب مسئولیت: AAAS و EurekAlert! هیچ مسئولیتی در قبال صحت گزارشهای خبری منتشر شده در EurekAlert ندارند! از طریق موسسات کمک کننده یا استفاده از هرگونه اطلاعات از طریق سیستم EurekAlert.

[ad_2]

منبع: kolah-news.ir

ایندکسر

hacklink al hd film izle php shell indir siber güvenlik türkçe anime izle Fethiye Escort android rat duşakabin fiyatları fud crypter hack forum html nullednulled themesRäumung Mobil Ödeme Nakit