研究人员训练AI诊断肺部疾病准确率达96.57%
Researchers train AI to diagnose lung diseases with 96.57% accuracy
研究人员训练AI诊断肺部疾病准确率达96.57%
来自查尔斯达尔文大学（Charles Darwin University，简称CDU）、国际联合大学（United International University）和澳大利亚天主教大学（Australian Catholic University，简称ACU）的研究人员开发了一种AI模型，用于分析肺超声视频并诊断呼吸系统疾病。这项研究发表在《前沿计算机科学》（Frontiers in Computer Science）杂志上。
该模型通过检查每个视频帧来寻找肺部的重要特征，并评估视频帧的顺序以理解肺部随时间变化的模式。然后，模型识别特定模式，指示不同的肺部疾病，并基于这些信息将超声波分类为正常、肺炎、COVID-19或其他肺部疾病。
共同作者、查尔斯达尔文大学名誉副教授尼乌沙·沙菲阿巴迪（Niusha Shafiabady）表示，该模型的准确率为96.57%，并且其分析结果已由医疗专业人士验证。
“该模型还使用人工智能技术向放射科医生展示其做出某些决定的原因，使他们更容易信任和理解结果。”沙菲阿巴迪副教授说。
该模型使用了可解释的人工智能（Explainable AI，简称XAI），这是一种允许人类用户理解和信任机器学习算法生成结果的方法。“该模型的可解释性旨在提高这一方法的可靠性。”沙菲阿巴迪副教授说。
“系统通过热图等视觉工具向医生展示其决策原因，这种解释技术有助于放射科医生定位关注区域，显著提高临床透明度。”
“该模型帮助医生快速准确地诊断肺部疾病，支持他们的决策过程，节省时间，并作为有价值的培训工具。”
沙菲阿巴迪副教授表示，如果提供适当的数据，该模型还可以被训练识别更多疾病，如结核病、尘肺病、哮喘、癌症、慢性肺病和肺纤维化。
该研究由孟加拉国国际联合大学的研究人员领导，查尔斯达尔文大学的阿西夫·卡里姆博士（Dr. Asif Karim）、萨米·阿扎姆博士（Dr. Sami Azam）、叶柯亨·彻尔博士（Dr. Kheng Cher Yeo）、弗里索·德·博尔教授（Professor Friso De Boer）和尼乌沙·沙菲阿巴迪副教授参与其中，后者也是澳大利亚天主教大学的研究员。
未来的研究方向包括训练该模型评估其他影像，如CT扫描和X光片。
(全文结束)
声明：本文仅代表作者观点，不代表本站立场，如有侵权请联系我们删除。
本页内容撰写过程部分涉及AI生成（包括且不限于题材，素材，提纲的搜集与整理），请注意甄别。