XiaoMi-AI文件搜索系统
World File Search SystemCADx
人工智能在结肠镜检查中的现状和未来影响
摘要 事实证明，胃肠内窥镜是开发人工智能 (AI) 系统的理想环境，该系统可以帮助内窥镜医师完成日常活动中的许多任务。结肠镜检查期间的病变检测 (计算机辅助检测，CADe) 和病变表征 (计算机辅助表征，CADx) 是人工智能在胃肠病学中的临床应用，迄今为止已发表的证据最多。事实上，它们是唯一由不同公司开发了多个系统、目前市场上有售且可用于临床实践的应用。CADe 和 CADx 除了充满希望和炒作外，还存在潜在的缺点、局限性和危险，必须了解、研究和研究这些机器的最佳用途，旨在领先一步，避免可能滥用这些机器，这些机器永远是临床医生的助手，而不是替代品。结肠镜检查的人工智能革命即将到来，但潜在的用途是无限的，目前只有一小部分得到了研究。未来的应用可以设计成确保结肠镜检查质量参数的各个方面，并真正实现实践标准化，无论在何种环境下进行该程序。在本综述中，我们介绍了结肠镜检查中人工智能应用的现有临床证据，并概述了未来的发展方向。
安全、强大的医疗保健机器学习
摘要 — 近年来，机器学习 (ML)/深度学习 (DL) 技术因其在各种医疗保健应用中的出色性能而得到广泛采用，从根据一维心脏信号预测心脏骤停到使用多维医学图像的计算机辅助诊断 (CADx)。尽管 ML/DL 的表现令人印象深刻，但人们仍然怀疑 ML/DL 在医疗保健环境中的稳健性（传统上认为这非常具有挑战性，因为涉及无数的安全和隐私问题），尤其是考虑到最近的结果表明 ML/DL 容易受到对抗性攻击。在本文中，我们从安全和隐私的角度概述了医疗保健中利用此类技术的各种应用领域，并提出了相关的挑战。此外，我们还提出了确保医疗保健应用程序的安全和隐私保护 ML 的潜在方法。最后，我们深入分析了当前的研究挑战和未来研究的有希望的方向。
Hassan, C.、Sharma, P.、Mori, Y.、Bretthauer, M.、Rex, DK、Repici, A.、Spadaccini, M.、Selvaggio, C.、Antonelli, G.、Khalaf, K.、Rizkala, T.、Ferra
执行检查的内镜医师使用波士顿肠道准备量表 17 对肠道准备进行评估和分级。所有检测到的息肉都清除掉其中的粘液，尽可能放置在内镜屏幕的“6 点钟方向”，并在保持聚焦的情况下以尽可能近的距离构图。内镜医师首先使用白光和 BLI 将病变分为“腺瘤”或“非腺瘤”，并对诊断置信度（高或低）进行评分。不使用 CADx AI 系统。然后，打开 AI 系统，两个 AI 系统（CAD-EYE® Fujifilm Co.、CADx-A 和 GI-Genius® Medtronic、CADx-B）自动提供的输出（“腺瘤”与“非腺瘤”）分别显示在两个不同的单独屏幕上。无论之前的内镜医师的预测和置信度如何，两个系统的输出均由内镜医师协助记录。第一个输出记录是 GI-Genius 在白光下的输出，第二个输出记录是 CAD-EYE 在蓝光下的输出。接下来，结肠镜检查医师再次对息肉进行分类（腺瘤或非腺瘤），并将预测的置信度评分为“高”或“低”。
基于深度学习的肿瘤检测和语义分割框架
摘要。对于脑肿瘤治疗计划，医生和放射科医生的诊断和预测取决于医学成像。从各种成像方式（例如计算机断层扫描 (CT)、正电子发射断层扫描 (PET) 和磁共振 (MR) 扫描）获取具有临床意义的信息是放射科医生使用的软件和高级筛查的核心方法。在本文中，介绍了一个通用而复杂的框架，用于剂量控制过程的两个部分：从医学图像中检测肿瘤和分割肿瘤区域。该框架形成了从 CT 和 PET 扫描中检测神经胶质瘤的方法的实现。研究了两个深度学习预训练模型：VGG19 和 VGG19-BN，并将其用于融合 CT 和 PET 检查结果。Mask R-CNN（基于区域的卷积神经网络）用于肿瘤检测——该模型的输出是图像中每个对象（肿瘤）的边界框坐标。 U-Net 用于执行语义分割：分割恶性细胞和肿瘤区域。迁移学习技术用于在数据集有限的情况下提高模型的准确性。应用数据增强方法来生成和增加训练样本的数量。实施的框架可用于结合灰度和 RGB 图像中的对象检测和区域分割的其他用例，尤其是塑造医疗保健行业的计算机辅助诊断 (CADx) 和计算机辅助检测 (CADe) 系统，以方便和协助医生和医疗保健提供者。
对...
摘要：在人们健康的当前情况下，肺部肿瘤是与癌症相关的损失的主要原因，其死亡率正在稳步上升。一些研究人员开发了自动化技术，用于快速准确地使用医学成像和机器学习技术来预测癌细胞的发展。随着计算机系统的进步，已经对深度学习技术进行了彻底的研究，以帮助了解计算机辅助诊断（CADX）和计算机辅助检测（CADE）在计算机断层扫描（CT），磁共振成像（MRI）和X射线中的识别肺癌的结果。为了对为肺癌诊断和检测创建的深度学习方法进行详尽的审查，这项研究正在进行中。目前的研究对深度学习和机器学习方法的表达，目的是用于诊断肺癌的应用，以及对所探索技术进步的分析。为了检测和筛查肺癌，本研究中使用了两种主要的深度学习技术：内部和外部组织环境及其市场的分析和分类。当前正在使用的深度学习模型的好处和缺点也将被涵盖。深度学习技术可以提供准确的EFFI计算机辅助肺肿瘤检测和诊断，如随后对扫描数据的分析所示。这项研究以对潜在的未来研究的描述结尾，这些研究可能会增强深度学习的使用来创建计算机辅助的肺癌检测系统。
医生对结肠镜检查中人工智能 (AI) 的看法：一项针对美国胃肠病学家的调查
背景和研究目的 早期研究表明，人工智能 (AI) 有可能提高胃肠病学家在内窥镜检查期间的表现。我们的目标是确定胃肠病学家如何看待 AI 在胃肠内窥镜检查中的潜在作用。 方法 在这项横断面研究中，向美国胃肠病学家发送了一份在线调查。调查问题包括医生的培训水平、经验和实践特征以及医生对 AI 的看法。描述性统计数据用于总结对 AI 的看法。单变量和多变量分析用于评估医生的背景信息是否与他们的情绪相关。 结果 调查问卷通过电子邮件发送给全国 330 名胃肠病学家。2018 年 12 月至 2019 年 1 月期间，124 名医生（38%）完成了调查。86% 的医生表示对 AI 辅助结肠镜检查感兴趣；84.7% 的人同意计算机辅助息肉检测 (CADe) 将改善他们的内窥镜检查表现。在受访者中，57.2 % 的人愿意使用计算机辅助诊断 (CADx) 来支持增生性息肉的“确诊即走”策略。多变量分析表明，研究员职位后经验不足 15 年是决定医生是否相信 CADe 会切除更多息肉的最重要因素（风险比 = 5.09；P = .01）。关于实施 AI 最常见的担忧是成本（75.2 %）、操作员依赖性（62.8 %）和手术时间增加（60.3 %）。结论胃肠病学家对将 AI 应用于结肠镜检查有着浓厚的兴趣，尤其是对于使用 CADe 检测息肉。主要担忧是其成本、可能增加手术时间以及可能产生操作员依赖性。AI 的未来发展应优先考虑缓解这些担忧。
3D 多模态脑肿瘤分割和分级...
1 美国国立卫生研究院国家癌症研究所癌症研究中心，10 号楼，马里兰州贝塞斯达，20892，美国。2 爱琴海大学计算机工程系，伊兹密尔博尔诺瓦，35100，土耳其。3 不列颠哥伦比亚大学医学院，317 - 2194 健康科学商城，温哥华，BC V6T 1Z3，加拿大。摘要 神经胶质瘤是最常见的脑肿瘤之一。早期检测和分级神经胶质瘤对于提高患者的生存率至关重要。计算机辅助检测 (CADe) 和计算机辅助诊断 (CADx) 系统是必不可少的重要工具，可提供更准确、更系统的结果，从而加快临床医生的决策过程。通过利用各种深度学习模型（例如 CNN）和迁移学习策略（例如微调），图像分类的性能结果提高了准确性，并且提高了有效性，尤其是对于具有相似性的新型大规模数据集。在本文中，我们介绍了一种新方法，该方法结合了机器、深度学习和迁移学习方法的变体，用于在多模态脑肿瘤分割 (BRATS) 2020 数据集上对脑肿瘤（即神经胶质瘤）进行有效的分割和分级。我们将流行且高效的 3D U-Net 架构应用于脑肿瘤分割阶段。我们还利用 23 种不同的深度特征集组合和基于 Xception、IncResNetv2 和 EfficientNet 的机器学习/微调深度学习 CNN 模型，在肿瘤分级阶段使用 4 种不同的特征集和 6 种学习模型。实验结果表明，该方法在 BraTS 2020 数据集上对基于切片的肿瘤分级的准确率为 99.5%。此外，我们的方法与最近的类似研究相比具有竞争力。关键词：神经胶质瘤；神经胶质瘤等级；分割；特征提取；深度学习、集成学习、MRI 分类
Median Technologies 报告 2023 年收入和...
下午 6:00 CET – 下午 12:00 ET：法语网络直播：注册链接 法国索菲亚安提波利斯 - Median Technologies (FR0011049824, ALMDT, PEA/SME 合格) 宣布其 2023 年收入，概述了其战略前景和 2024 年的关键里程碑。Median Technologies 首席执行官兼创始人 Fredrik Brag 评论道：“2023 年第四季度，我们的 iCRO 1 业务实现了创纪录的订单量，这大大增加了我们的积压订单。订单积压 2 创下了 6690 万欧元的历史新高。如今，制药行业比以往任何时候都更大规模地投资人工智能 (AI)，特别是在肿瘤临床试验领域，我们差异化的成像实验室解决方案使我们能够赢得大型制药集团的业务，与全球 CRO 合作，并扩大我们服务的范围。我们预计在 2024 年恢复增长，这得益于2023 年收入下降是由于 2022 年和 2023 年上半年的新冠疫情封锁导致中国订单量疲软。” Fredrik Brag 补充道：“在 2024 年 1 月宣布的独立验证研究取得优异成绩后，eyonis™ LCS 关键研究的执行进展顺利。作为 FDA 510(k) 审批和 CE 标志流程的一部分的研究于去年 7 月启动，所有患者都已招募完毕，独立验证已经完成，独立研究和 MRMC 研究正在进行中。独立研究将于 2024 年第二季度完成，MRMC 研究将于 2024 年第三季度完成。我们的目标是在 2025 年第一季度获得 CADe/CADx 软件即医疗器械 eyonis™ LCS 的 FDA 510(k) 审批，随后将其推向美国肺癌筛查市场，该市场覆盖 1450 万人，目前每次手术的报销金额为 650 美元。在欧洲，我们预计将于 2025 年第二季度获得 CE 标志。肺癌是全球癌症死亡的首要原因。早期诊断已被证明可以挽救患者的生命。我们的 AI 成像解决方案将在肺癌早期诊断方面取得重大进展。”