详细内容或原文请订阅后点击阅览
利用深度学习检测呼吸系统疾病
洛桑联邦理工学院 (EPFL) 和日内瓦大学医院 (HUG) 开发的新型人工智能算法将用于 Pneumscope 智能听诊器，有望改善呼吸系统疾病的治疗。
来源:Robogeek新闻频道（关于机器人技术的俄罗斯与世界新闻）洛桑联邦理工学院 (EPFL) 和日内瓦大学医院 (HUG) 开发的新型人工智能算法将用于 Pneumscope 智能听诊器，有望改善呼吸系统疾病的治疗。
当空气穿过肺部迷宫般的小通道时，会发出一种特有的哨声。当这些通道因哮喘炎症而变窄或因支气管炎而被感染性分泌物堵塞时，声音就会以一种特有的方式发生变化。使用听诊器识别这些诊断体征是几乎每次体检的不可避免的部分。
然而，尽管听诊器的使用已有两个世纪的经验，但听诊的解释仍然非常主观。此外，根据您身处世界的哪个位置，相同的声音可以有不同的描述。准确性还受到医疗专业人员的经验及其专业的影响。
这些复杂性使得该任务非常适合深度学习，它可以更客观地区分声音模式。该技术已经表明，在解释 X 射线和 MRI 等许多复杂的医学检查时，它可以补充人类的感知。
现在，在《自然数字医学》杂志上发表的一项新研究中，EPFL 研究团队描述了其 DeepBreath AI 算法，该算法展示了自动解释在呼吸系统疾病诊断中的潜力。
已发布Hartley 博士的团队领导 Onescope 的人工智能开发。 “像这款智能听诊器这样的可重复使用、无耗材的诊断工具具有保证耐用性的独特优势，”她解释道，“人工智能工具还具有不断自我改进的潜力，我希望我们可以将算法扩展到其他呼吸系统疾病和疾病。具有附加数据的人口群体。”