連日來?放射學中AI的10個關(guān)鍵用途不涉及解釋向來一不斷的有小伙伴關(guān)注，不僅如此還衍生出了各大相關(guān)話題，那么跟著小編來看看?放射學中AI的10個關(guān)鍵用途不涉及解釋以及它的相關(guān)資訊吧！
人工智能有望對放射學產(chǎn)生巨大的影響，但大多數(shù)注意力都集中在其識別醫(yī)學影像中重要發(fā)現(xiàn)的能力上。技術(shù)的非解釋性又如何呢?
《學術(shù)放射學》上發(fā)表的一項新分析詳細介紹了AI可以定期幫助該專業(yè)的許多其他方式。以下是AI可以在放射學中使用的10種方式，這些方式不涉及對影像學發(fā)現(xiàn)的解釋：
1.降噪
AI增強圖像質(zhì)量的能力可幫助放射科醫(yī)生完成工作并提供最準確的診斷。
論文的主要作者，西雅圖華盛頓大學放射學系醫(yī)學博士Michael L. Richardson和同事寫道：“最初的深度學習技術(shù)導致圖像過于平滑，細節(jié)丟失，基本結(jié)構(gòu)的可見度下降。” “但是，這已經(jīng)通過使用卷積神經(jīng)網(wǎng)絡(luò)(CNN)和生成對抗網(wǎng)絡(luò)的最新技術(shù)來解決，從而可以在不損失關(guān)鍵信息的情況下使圖像降噪。”
2.減少輻射劑量和對比劑量
近年來，與CT和PET成像相關(guān)的輻射劑量越來越引起人們的關(guān)注，全世界的專家都在努力通過新技術(shù)解決方案和更新協(xié)議來減少輻射。人工智能也可以在這一領(lǐng)域發(fā)揮關(guān)鍵作用，其中一些算法可以“直接從低劑量原始傳感器數(shù)據(jù)創(chuàng)建高質(zhì)量圖像”，而其他算法則可以將低質(zhì)量PET圖像轉(zhuǎn)換為高質(zhì)量圖像。
同樣，人工智能可以幫助減少MRI掃描期間對造影劑的需求，從而減輕與基于contrast的造影劑相關(guān)的擔憂。
3.立即評估圖像質(zhì)量
拍攝某些圖像是放射學中必不可少的現(xiàn)實，尤其是在MRI掃描過程中。AI可以幫助確保立即識別出“次優(yōu)圖像”，從而確?；颊唠x開場所后無需再次帶回。
作者寫道：“召回這些患者進行重復成像會導致診斷延遲，醫(yī)療保健系統(tǒng)成本增加，并且在某些情況下還會增加放射線照耀。”
4.改進“掃描儀，患者和工作人員”的安排
隨著利用率的不斷提高，至關(guān)重要的是改善成像提供商設(shè)備的組織。人工智能可以在這方面提供幫助，這是因為始終可以通過使用電子健康記錄來收集大量數(shù)據(jù);作者解釋說，算法可以檢測“調(diào)度利用效率低下”，有助于在此類問題發(fā)生之前就加以解決。
5.改善帳單
作者寫道：“拒絕保險索賠可能會造成多達3%至5%的收入損失，” “這導致醫(yī)療保健組織將諸如NLP和其他機器學習工具之類的AI技術(shù)用于創(chuàng)新解決方案，以優(yōu)化賬單，報告分類和拒絕對賬。”
6.開辟和優(yōu)化協(xié)議
AI可以幫助專家開辟理想的協(xié)議，并確保技術(shù)人員盡可能堅持使用腳本。此外，“進行協(xié)議優(yōu)化研究時，經(jīng)過適當培訓的CNN可能為人類讀者提供可接受的替代物。”
7.工作清單優(yōu)先級
人工智能可用于對緊急發(fā)現(xiàn)進行優(yōu)先排序，并增強對放射科醫(yī)生的檢查范圍。這仍然是AI在放射學中最著名的非解釋性用途之一，是一種有效的方法，可將周轉(zhuǎn)時間縮短到最低限度，并為最需要它的患者提供護理。
8.圖像注釋和分割
批注可幫助放射科醫(yī)生與患者溝通并隨時間推移追蹤發(fā)現(xiàn)，而分段是專注于醫(yī)學圖像特定方面的實用步驟。AI模型可以幫助專家完成這些任務(wù)以及圖像標記，從而幫助他們花費更多的時間進行診斷并提供最佳的患者護理。
理查森等人，這在臨床試驗中特殊有價值。解釋。
作者寫道：“圖像注釋和分割仍然是腫瘤臨床試驗中的重要組成部分，在該臨床試驗中，在不同時間點從基線追蹤病變(目標或非目標)以評估治療反應(yīng)。” 這些研究需要在不同時間點對不同閱讀器的病變進行精確一致的評估，并且可以使用注釋以及在某些情況下自動/半自動分割或體積評估來進行最佳優(yōu)化。研究表明，深度學習可以有效地監(jiān)測變化，并在治療之前，之中和之后進行定量分析，還可以幫助預(yù)測預(yù)后終點。”
9.基于圖像的搜索引擎
由機器學習支持的醫(yī)學圖像搜索引擎可用于商業(yè)和培訓目的，從而使用戶可以搜索“圖像的視覺內(nèi)容”。
10.檢測和預(yù)防對抗性攻擊
PACS的網(wǎng)絡(luò)攻擊，甚至是醫(yī)學圖像本身都是合法威脅，隨著時間的推移，這種威脅可能會更加嚴峻。甚至已經(jīng)開辟出了一些可以“欺騙”放射科醫(yī)生的算法，從而產(chǎn)生偽造的影像學發(fā)現(xiàn)，從而導致錯誤的診斷。該研究的作者說，研究人員目前正在努力利用AI技術(shù)來對抗此類攻擊。
他們寫道：“已經(jīng)提出了諸如數(shù)字圖像水印和ML算法等檢測篡改圖像的方法，例如“特征壓縮”或“防備性蒸餾”，以檢測控制圖像。“與此同時，預(yù)防對抗攻擊始于對問題的認識并采取一些簡單的實踐標準。”