Subiecte

Abstract

Datorită îmbunătățirilor în recunoașterea imaginii prin învățarea profundă, algoritmii de învățare automată ar putea fi aplicați în cele din urmă diagnosticelor medicale automate care pot ghida luarea deciziilor clinice. Cu toate acestea, acești algoritmi rămân o „cutie neagră” în ceea ce privește modul în care generează predicțiile din datele de intrare. De asemenea, învățarea profundă de înaltă performanță necesită seturi mari de date de formare de înaltă calitate. Aici, raportăm dezvoltarea unui sistem de învățare profundă ușor de înțeles, care detectează hemoragia acută intracraniană (ICH) și clasifică cinci subtipuri ICH din scanări de tomografie computerizată a capului neameliorate. Prin utilizarea unui set de date de doar 904 de cazuri pentru instruirea algoritmilor, sistemul a obținut o performanță similară cu cea a radiologilor experți în două seturi de date de testare independente care conțin 200 de cazuri (sensibilitate de 98% și specificitate de 95%) și 196 de cazuri (sensibilitate de 92% ) și specificitatea de 95%). Sistemul include o hartă a atenției și o bază de predicție recuperată din datele de instruire pentru a spori explicabilitatea și un proces iterativ care imită fluxul de lucru al radiologilor. Abordarea noastră către dezvoltarea algoritmilor poate facilita dezvoltarea sistemelor de învățare profundă pentru o varietate de aplicații clinice și poate accelera adoptarea lor în practica clinică.

explicabil

Opțiuni de acces

Abonați-vă la Jurnal

Obțineți acces complet la jurnal timp de 1 an

doar 7,71 EUR pe număr

Toate prețurile sunt prețuri NET.
TVA va fi adăugat mai târziu în casă.

Închiriați sau cumpărați articol

Obțineți acces limitat la timp sau la articol complet pe ReadCube.