机构名称：
¥ 1.0
目的：本研究探讨 GPT-4 在头颅 CT 扫描中识别和注释脑出血的能力。它代表了 NLP 模型在放射影像学中的一种新应用。方法：在这项回顾性分析中，我们收集了 2023 年 1 月至 9 月期间在上海交通大学医学院附属仁济医院进行的 208 次 CT 扫描，这些 CT 扫描包含 6 种类型的脑出血。所有 CT 图像都混合在一起并按顺序编号，因此每张 CT 图像都有自己对应的编号。生成从 1 到 208 的随机序列，并按随机序列的顺序将所有 CT 图像输入 GPT-4 进行分析。随后使用 Photoshop 检查输出，并由经验丰富的放射科医生根据 4 分量表进行评估，以评估识别的完整性、准确性和成功率。结果：6 种类型脑出血的总体识别完整率为 72.6%（SD 18.6%）。具体而言，GPT-4 在硬膜外出血和脑实质内出血中的识别完整度较高（分别为 89.0%、SD 19.1% 和 86.9%、SD 17.7%），但其在慢性硬膜下出血中的识别完整度百分比很低（37.3%、SD 37.5%）。复杂性出血（54.0%、SD 28.0%）、硬膜外出血（50.2%、SD 22.7%）和蛛网膜下腔出血（50.5%、SD 29.2%）的误识别率相对较高，而急性硬膜下出血（32.6%、SD 26.3%）、慢性硬膜下出血（40.3%、SD 27.2%）和脑实质内出血（26.2%、SD 23.8%）的误识别率相对较低。大出血和轻微出血的识别完整性百分比均未显示
XSL•FO
主要关键词
