机构名称：
¥ 1.0
深度学习算法已准备就绪，可帮助解释随访期间监测变化的放射学发现。然而，超声的转化方法很困难，目前受到很大限制。计算机辅助报告程序可以提供很大的帮助，在专家机器学习的适当背景下，它可以构建未来的诊断方向背景。肺超声是一种严重依赖操作员能力的诊断方法，其中人类专业知识部分必须伴随着最合适的设备和适当设置的质量。然而，在阅读肺部图像时，这种严格的临床和定性解释是一个弱点，因为我们的医疗专业人员在执行该程序时具有不同程度的知识和专业知识。在抗击 2019 年冠状病毒疾病 (COVID-19) 的过程中，由于需要预防传染，因此患者状况以及援助和警告方法也存在特殊困难。患者，尤其是家中、救护车和急诊室设施中资源有限的患者，即使对于专业操作员来说也是非常困难的对象，这也是因为胸部超声检查是全接触程序。定量分析使放射学报告更加全面。实际上，一些研究小组已经开始将人工智能 (AI) 视为读取和分析 X 射线和计算机断层扫描 (CT) 扫描的工具，并通过多种深度学习方法帮助诊断和监测 COVID-19。这样做是为了克服诊断程序和干预背景的固有限制。不幸的是，在超声检查中，基于对伪影（尤其是 b 线）的自动读取，使用不适当方法的建议已经得到解决：这是许多人出乎意料地、毫无理由地提出的建议。在这方面，必须强烈重申，量化不稳定和不可靠的伪影，通过机器计数方法测量它们，只是一种神秘和误导的方法，没有任何优势，而且在患者管理中实际上是危险的。目前，所提出的算法不太可能直接取代医生，即放射科医生在超声诊断过程中的判断以及个人责任。这是因为这些方法对明确发现进行分类的特殊性有限甚至缺乏，并且这种诊断具有法医学含义。
人工智能 (AI) 和肺部超声在传染性肺部疾病中的应用
主要关键词
相关文件推荐
