Uczenie maszynowe wykryło stłuszczenie wątroby na zdjęciach rentgenowskich klatki piersiowej

Daiju Ueda i jego współpracownicy z Uniwersytetu Metropolitalnego w Osace opracowali model oparty na algorytmach głębokiego uczenia maszynowego, który skutecznie wykrywa stłuszczenie wątroby (steatosis) na zdjęciach rentgenowskich narządów klatki piersiowej. W pracy wykorzystano dane 4414 pacjentów z dwóch japońskich klinik, u których wykonano 6599 zdjęć rentgenowskich klatki piersiowej i elastogramów wątroby z określeniem kontrolowanego parametru tłumienia (CAP, ilościowego wskaźnika stopnia stłuszczenia). Pacjenci z jednej z klinik zostali losowo przydzieleni w stosunku 8:1:1 do zestawów danych w celu szkolenia, dostrojenia i wewnętrznego testowania modelu, a uczestnicy z drugiej kliniki zostali włączeni do zestawu danych w celu przeprowadzenia testów zewnętrznych. Wyniki opublikowano w czasopiśmie „Radiology: Cardiothoracic Imaging”.

Zbiór danych do testów wewnętrznych obejmował 529 zdjęć rentgenowskich klatki piersiowej 363 pacjentów (średni wiek 56 lat; 344 mężczyzn), a do testów zewnętrznych – 1100 zdjęć rentgenowskich 783 pacjentów (średni wiek 58 lat; 604 mężczyzn). Podczas testów wewnętrznych pole pod krzywą ROC wynosiło 0,83; dokładność – 77%; czułość – 68%, a swoistość – 82%. W testach zewnętrznych wskaźniki te wynosiły odpowiednio 0,82; 76%, 76% i 76%. Wydajność modelu oceniono jako dobrą.

Od DrMoro

Originaltext
Diese Übersetzung bewerten
Mit deinem Feedback können wir Google Übersetzer weiter verbessern
Ten formularz nie jest obsługiwany
Aus Sicherheitsgründen solltest du keine Informationen über diese Art von Formular senden, während du Google Translate verwendest.
DobraDo oryginalnego adresu URL