1 1,深圳Lanmage医疗技术公司,有限公司,深圳市,广东,中国广东,2 Neusoft Medical System Co.,2.中国申阳大学的生命与健康管理学院,第6次放射学系,广州医科大学第二附属医院,中国广州,7七国卫生科学与环境工程学院,宁岑技术大学,宁岑,宁津,中国,8工程学研究中心,医学成像研究中心,<1,深圳Lanmage医疗技术公司,有限公司,深圳市,广东,中国广东,2 Neusoft Medical System Co.,2.中国申阳大学的生命与健康管理学院,第6次放射学系,广州医科大学第二附属医院,中国广州,7七国卫生科学与环境工程学院,宁岑技术大学,宁岑,宁津,中国,8工程学研究中心,医学成像研究中心,<
内部测试结果 Nam JG, Park SG, et al.基于深度学习的胸部X光片恶性肺结节自动检测算法的开发与验证,放射学 2018 Hwang EJ, Park SG, et al.基于深度学习的胸部X光片主要胸部疾病自动检测算法的开发与验证,JAMA Network Open 2019 Hwang EJ, Park SG, et al.胸部X光片活动性肺结核的DLAD算法的开发与验证,临床传染病 2019 Lee JH, Park SG, et al.基于深度学习的胸部X光片上活动性肺结核自动检测算法:在无症状个体系统筛查中的诊断性能,欧洲放射学 2020 Hwang EJ 等。肺活检后气胸监测的深度学习算法:一项多中心诊断队列研究,欧洲放射学 2020 Jang SW 等。基于深度学习的减少胸部X光片上被忽视的肺癌的自动检测算法,放射学 2020 Hwang EJ 等。深度学习在急诊科胸部X光片诊断中的应用,放射学 2019 Kim JH 等。临床验证深度学习算法在急诊科急性发热性呼吸道疾病患者胸部 X 光片中检测肺炎的应用,《临床医学杂志》2020 Hwang EJ 等人。实施基于深度学习的计算机辅助检测系统,用于解读疑似 COVID-19 患者的胸部 X 光片,《韩国放射学杂志》2020
放射科专家使用辅助 AI 软件进行胸部 X 光检查的说明性路径与此处介绍的仅由放射科专家进行的胸部 X 光检查的结构相同。如果使用软件进行分类,则可以在胸部 X 光检查之前添加一个额外步骤。
保留所有权利。未经许可不得重复使用。 (未经同行评审认证)是作者/资助者,他已授予 medRxiv 永久展示预印本的许可。
肺活量测定结果的解释传统上依赖参考方程式来估计个人年龄,性别,身高和有争议的种族/种族的“正常”肺功能。这些方程式用于临床,研究和职业目的,以诊断肺部疾病,评估疾病进展并解释放射学异常,并确定残疾和评估较高风险工作,从而具有巨大的临床和金融重要性。将种族包含在这些方程式中是基于大型横截面范围内的研究,这些研究始终显示出某些种族/族裔少数群体的肺功能度量较低,尤其是黑人个体的FEV 1降低10%至15%。1,2但是,
1 伊朗德黑兰基础科学研究所 (IPM) 计算机科学学院 2 伊朗德黑兰沙希德贝赫什提大学医学科学与技术研究所 3 伊朗德黑兰沙希德贝赫什提大学物理系伊本西纳多学科实验室 4 伊朗德黑兰沙希德贝赫什提大学物理系 5 伊朗德黑兰伊朗科学技术研究组织 (IROST) 电气工程与信息技术系 6 伊朗德黑兰沙希德贝赫什提大学计算机科学与工程系 7 伊朗德黑兰沙希德贝赫什提医科与健康服务大学国家结核病和肺部疾病研究所 (NRITLD) 气管疾病研究中心 8 伊朗德黑兰沙希德贝赫什提医科与健康服务大学国家结核病和肺部疾病研究所 (NRITLD) 慢性呼吸道疾病研究中心9 伊朗德黑兰沙希德贝赫什提医科大学国家结核病和肺部疾病研究所 (NRITLD) 病毒学研究中心 10 伊朗设拉子医科大学放射学系医学成像研究中心
1 伊朗德黑兰基础科学研究所 (IPM) 计算机科学学院 2 伊朗德黑兰基础科学研究所 (IPM) 脑工程研究中心 3 伊朗德黑兰沙希德贝赫什提大学物理系伊本西纳多学科实验室 4 伊朗德黑兰沙希德贝赫什提大学物理系 5 伊朗德黑兰伊朗科学技术研究组织 (IROST) 电气工程与信息技术系 6 伊朗德黑兰沙希德贝赫什提大学计算机科学与工程系 7 伊朗德黑兰沙希德贝赫什提医科与健康服务大学国家结核病和肺部疾病研究所 (NRITLD) 气管疾病研究中心 8 伊朗德黑兰沙希德贝赫什提医科与健康服务大学国家结核病和肺部疾病研究所 (NRITLD) 慢性呼吸道疾病研究中心伊朗 9 伊朗德黑兰沙希德贝赫什提医科大学国家结核病和肺部疾病研究所 (NRITLD) 病毒学研究中心 10 伊朗设拉子医科大学放射学系医学成像研究中心
本系统评价的重点是利用人工智能 (AI) 在 X 射线图像的帮助下检测 COVID-19 感染。方法:2022 年 1 月,作者使用特定的医学主题词和过滤器搜索了 PubMed、Embase 和 Scopus。所有文章均由两位审稿人独立审阅。所有因误解而产生的冲突均由第三位独立研究人员解决。在评估摘要和文章的实用性、消除重复并应用纳入和排除标准后,发现六项研究符合本研究的条件。结果:由于作者的方法不同,各个研究的结果也不同。敏感性为 72.59%–100%,特异性为 79%–99.9%,精确度为 74.74%–98.7%,准确度为 76.18%–99.81%,曲线下面积为 95.24%–97.7%。结论:用于评估 COVID-19 诊断过程中胸部 X 光检查的 AI 计算模型应达到足够高的敏感性和特异性。它们的结果和性能应该是可重复的,以使它们对临床医生来说是可靠的。此外,这些额外的诊断工具应该比目前可用的程序更实惠、更快捷。基于 AI 的系统的性能和计算应考虑临床数据。
摘要 — 目标:我们提出了一种轻薄、柔软、可贴合胸部的双模传感器,即胸部电子纹身,它结合了先进的信号处理框架,可准确识别各种心脏事件,从而即使在身体运动期间也能提取心动时间间隔。方法:我们制作了一个无线电子纹身,具有同步心电图 (ECG) 和心震图 (SCG) 功能。SCG 可测量因心跳引起的胸部振动,提供与 ECG 互补的心血管健康信息。然而,运动引起的伪影会影响 SCG 的功效。电子纹身采用轻薄且有弹性的设计,可将其策略性地放置在剑突附近,便于对 ECG 和 SCG 进行高质量监测,从而提高信号质量。九名参与者在步行和骑自行车时接受了测量。我们提出了一个多级信号处理框架,集成了自适应归一化最小均方 (NLMS) 滤波器、集合平均和经验模态分解 (EMD),统称为 FAD 框架,以准确提取心脏时间间隔 (CTI)。结果:关键 CTI,尤其是左心室射血时间 (LVET),被我们的硬件软件系统成功提取,并且即使在大量运动期间也与 FDA 批准的患者监测仪报告的结果高度一致。电子纹身测量的射血前期 (PEP) 也与先前的研究结果一致。结论:双峰胸部电子纹身与 FAD 框架相结合,可在长时间内实现可靠的 CTI 测量