包括睾丸MRI在内的睾丸成像在快速更佳睾丸癌治疗的过程中都发挥了关键性作用。识别允性和恶性出血的的现代MRI外观上，以及与各种恶性甲型之外的比如说MRI形态学和凝聚态外观上，使得放射科眼科医生能够备有比其他传统观念的成像方式将不够好的病因，并对病征治疗计划的实施备有不够令人吃惊的信息。虽然动态全面性提高(DCE) MRI的免疫与x线摄影几乎比较，但在允恶性出血的辨认之外上仍有全面性提升的空间。均主因是由于放射科眼科医生对睾丸癌的检验因高效率差异性以及观察者内和观察者间解释的差异性而受到影响。
多项深入研究开发了计算器影像和机器学习的人工智能（AI）子系统，该子系统可用于外科由此可知片上的计算器辅助病因和睾丸出血的定量表征。放射组成员学是计算器辅助病因的扩展，可备有与药理学和其他外科、病理和基因组成员资料之外的计算器浓缩外观上。
亦同，发表在Radiology杂志的一项深入研究检验了与传统观念运用软件相比，常用AI子系统时放射科眼科医生在睾丸DCE MRI由此可知片上区隔允恶性出血之外的病因安全性前提赢取更佳，为AI在外科的全面性运用及深入研究开发新了道路。
在本项回顾性深入研究中都，来自8个人文科学的机构和11个私人诊所的19名睾丸放射科眼科医生对睾丸DCE MRI健康检查的由此可知片进行了量化。阅读者对每项健康检查审核两次次。在“第一次审核”时，他们常用了包括凝聚态由此可知在内传统观念的计算器辅助检验运用软件。在“第二次审读”中都，通过计算器辅助病因运用软件为他们备有了AI量化。改用受试者文书工作功用直线(ROC)量化来检验阅读者的病因安全性，ROC直线下占地面积(AUC)作为区隔恶性和允性出血的加权。主要深入研究终点站是第一次和第二次审核条件下AUC的差异性。
本深入研究总计划入111名女性(超过年龄52岁±13岁[平方根])并获得111组成员睾丸DCE MRI健康检查(其中都恶性出血54唯，允性出血57唯)。当常用AI子系统时，所有阅读者的超过AUC从0.71大幅提高到0.76 (P = 0.04)。当常用睾丸影像报告和资料子系统(BI-RADS)都可3作为两点时，超过敏感度有所大幅提高(从90%大幅提高到94%;变化的95%置信区间[CI]: 0.8%，7.4%)，但在常用BI-RADS都可4a时则不然(从80%到85%;95%置信区间:-0.9%，11%)。无论是常用BI-RADS都可4a还是都可3作为两点，超过免疫均无特别是在差异性(分别为52%和52% [95% CI: -7.3%，6.0%]，29%至28% [95% CI: -6.4%，4.3%])。
由此可知 根据睾丸成像报告和资料子系统(BI-RADS) 4a类频率在动态全面性提高睾丸MRI由此可知片上辨认允恶性出血的病因任务中都，19个阅读者第一次和第二次审核的敏感度和免疫(以百分比表示)比较。
本深入研究说明，人工智能子系统的常用大幅提高了放射科眼科医生在睾丸MRI中都辨认允恶性出血的病因安全性，为外科全面性实施不够吻合的治疗计划备有了高效率重伤的背书，为人工智能在外科及科研上的运用备有了参看依据。
原文典故：
Yulei Jiang,Alexandra V Edwards,Gillian M Newstead.Artificial Intelligence Applied to Breast MRI for Improved Diagnosis.DOI:10.1148/radiol.2020200292
相关新闻
上一页：消除红血丝的偏方之二
相关问答
