|
|
图像采集。集成人工智能的成像传感器可用于扫描患者的各个位置，同时限制患者与医护人员的接触，从而使医学成像检查更加安全。人工智能自动化和优化的过程还可以减少患者的辐射剂量，降低辐射暴露，同时保持高质量的医学图像。
报告。作为医学影像检查结果的正式文件，放射学报告是放射科医生服务的重要组成部分。然而，这是一项费力且耗时的任务，目前缺乏标准化，医疗专业人员以不同的格式记录数据。使用人工智能生成报告可能会带来更标准化的术语。
观看此视频，了解如何将 AI 与放射学相结合以提高准确性、改善工作流程并加强患者护理。
人工智能在医学成像中的用例
让我们看看人工智能如何支持放射科医生和病理学家诊断各种医疗状况。
儿童脑肿瘤的分类
脑和脊髓肿瘤是儿童中第二大常见癌症，约占儿童癌症的四分之一。英国最近的一项研究发现，先进的成像技术和人工智能的结合可以在不使用活检的情况下对儿童脑肿瘤进行分类。
检测骨折
每年有超过30 万老年人因髋部骨折住院。放射科医生使用 X 光片来诊断这些损伤，但一些髋部骨折可能隐藏在软组织下，很难发现。《欧洲放射学杂志》发表的一项研究表明，利用深度卷积神经网络 (DCNN) 可以帮助放射科医生发现骨折。放射科医生在使用和不使用 AI 算法的情况下阅读髋部 X 光片。不使用算法时，放射科医生发现了 83% 的骨折，而使用 AI 算法时，他们能够发现88% 的骨折。
乳腺癌检测
高达30% 至 40%的乳腺癌女性肿瘤。韩国 越南 Whatsapp号码列表 学术医院和医疗 AI 软件公司Lunit开展的一项研究展示了 AI 辅助乳腺癌检测的优势。当使用基于 AI 的工具进行乳房 X 线检查时，放射科医生的准确率提高了 9.5%，达到 84.8%。
诊断神经系统疾病
据信，全球至少有5000 万人患有阿尔茨海默病或相关形式的痴呆症。在中国，研究人员利用机器学习训练了一个基于 900 多张 MRI 扫描的大脑年龄预测模型，以帮助早期发现认知障碍。研究人员写道：“我们生成的预测模型在仅根据 MRI 扫描结果估计健康参与者的实际年龄方面非常准确。”
|
|
发表于 2025-3-3 13:15:39