Radiologen, unterstützt von deep-learning-basierte software besser in der Lage zu erkennen bösartigen Lungentumoren auf der Brust X-Strahlen, entsprechend der Forschung veröffentlicht in der Zeitschrift Radiologie.
„Die Durchschnittliche Empfindlichkeit des Radiologen war, verbesserte sich von 5.2%, wenn Sie re-reviewed X-Strahlen, die mit der deep-learning-software,“ sagte Byoung Wook Choi, M. D., Ph. D., professor an der Yonsei University College of Medicine, und Herz-Thorax-Radiologen in der Abteilung der Radiologie in der Yonsei University Health System in Seoul, Korea. „Zur gleichen Zeit, die Anzahl der falsch-positiven Befunde pro Bild reduziert wurde.“
Dr. Choi sagte, die Merkmale von Lungen-Läsionen, einschließlich der Größe, Dichte und Lage machen die Erkennung von Lungen-Knötchen auf der Brust X-Strahlen, mehr herausfordernden. Jedoch, machine-learning-Verfahren, einschließlich der Umsetzung von deep convolutional neural networks (DCNN), haben dazu beigetragen, zur Verbesserung der Erkennung.
Deep learning ist eine Art künstliche Intelligenz, die es dem Computer erlaubt, um Aufgaben abzuschließen, basierend auf den bestehenden Beziehungen der Daten. Ein DCNN, nach dem Vorbild der Struktur des Gehirns, beschäftigt mehrere versteckte Schichten und mustern zu klassifizieren Bilder.
In dieser retrospektiven Studie, Radiologen zufällig ausgewählte von insgesamt 800 X-Strahlen, die aus den vier teilnehmenden Zentren, darunter 200 normale Brust-scans und 600 mit mindestens einem malignen Lungen-Knötchen bestätigt durch CT-Bildgebung oder die pathologische Untersuchung (50 normale und 150 mit Krebs von jeder institution). Es wurden 704 bestätigt bösartigen Knötchen in der Lunge Krebs der X-Strahlen (78.6% der primären Lungentumoren und von 21,4% Metastasen). Die Mehrheit (56.1%) der Knötchen wurden zwischen 1cm und 2cm, während 43.9% waren zwischen 2cm und 3cm.
Eine zweite Gruppe von Radiologen, darunter drei, die von jeder institution, interpretiert die ausgewählten Röntgenaufnahmen der Brust mit und ohne Krebs Knötchen. Die Leserinnen und Leser dann wieder Lesen die gleichen X-Strahlen mit der Unterstützung des DCNN-software, die ausgebildet wurde, um zu erkennen, Lungen-Knötchen.
Die Durchschnittliche Empfindlichkeit, oder die Fähigkeit zu erkennen, einen vorhandenen Krebs, verbesserte sich deutlich von 65.1% für Radiologen das Lesen allein auf 70,3%, wenn Sie mit der Hilfe des DCNN-software. Die Anzahl der false-positives—falsch berichten, dass Krebs vorhanden ist—pro X-ray sank von 0,2 für Radiologen, die allein auf 0,18 mit Hilfe der software.