XiaoMi-AI文件搜索系统
World File Search SystemChest
在胸部X光片及其成像工作中检测到的retocardiac不透明性：图片评论
摘要腹置空间是胸部X光片的一个棘手区域，在胸部X光片中，经常错过异常的密度。病变会产生晚期压力症状。早期检测和对逆行心态的适当评估可以帮助放射科医生在明显的临床体征和症状之前确定诊断。我们提出了10例患者的病例系列，额叶胸部放射线中偶然检测到的深层不透明度，并通过其他成像方式进一步评估，例如横向X光片，计算机断层扫描（CT）或磁共振成像（MRI）以建立诊断。最终诊断包括先天性疾病，例如食管复制囊肿和支气管囊肿；炎性疾病，如肝炎，肺脓肿和肺炎肺炎；主动脉动脉瘤等血管状况；诊断性疝等diaphragmatragication；以及罕见的肿瘤，例如心脏乳头状瘤，肺神经内分泌肿瘤和神经节瘤。还讨论了有助于诊断后心动过心的基本迹象。
定量胸部CT成像，用于对患者候选的功能评估解剖学
术前功能评估在肺叶切除术之前仍基于肺功能测试（PFTS），并且段计数被认为是预测术后功能（PF）的标准方法。我们的目的是将这种方法与定量功能成像技术相关联。包括从8月至2023年12月的早期肺癌手术的候选人。排除标准是良性疾病，晚期肺癌和接受肺切除术的受试者。我们的分析评估了FEV1，FVC和DLCO在手术前和六个月后进行的。米兰政治家的生物工程师分析了术前和术后CT扫描。对放射学图像进行处理以获得解剖学分割，对肺的重量和功能体积的分析（-910HU和-500HU）。分析的重点是测量的术后FEV1和FVC值与通过段计数和成像方法计算的预测值的相关性。我们招募了22例接受肺叶切除术并符合纳入标准的患者。与解剖学公式相比，使用CT成像在计算PF中，使用CT成像没有显示出统计学上的显着差异（P = 0.775）。但是，CT结果在预测术后FVC值时出现了出色的结果（P <0,001）。我们的研究证实了定量CT分割预测PF的有效性。使用CT分割预测术后FVC值的优势是术后风险感染和ICU停留的有用预测指标。此外，我们将继续研究，以调查在分割切除术或具有严重功能不足的受试者的情况下两种方法之间存在差异。
开发胸部X射线的深层转移和机器学习模型
Mashreq大学行政科学学院工商管理系，伊拉克巴格达10021号。[电子邮件：hassan.alsattar@gmail.com] B MEU研究部门，中东大学，安曼，约旦
ai-corona：用于胸部 CT 扫描中 COVID-19 诊断的放射科医生助理深度学习框架
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
ai-corona：用于胸部 CT 扫描中 COVID-19 诊断的放射科医生助理深度学习框架
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
AI检测的胸部X射线异常的系统优先级用于优化的肺癌检测
表1：胸部X射线发现的三种优先策略中AI系统的性能指标，包括灵敏度，特异性，正预测值（PPV）和负预测值（NPV）。ppv：阳性预测价值 - 真正阳性的AI阳性病例的比例。npv：负预测价值 - 真正负面因素的AI阴性案例的比例。fpr：误报率 - AI标记的非癌症案件的比例。fnr：假阴性率 - AI错过的癌症病例的比例。
严重支气管肺发育不良中的胸部计算机断层扫描：比较定量评分方法
莫德纳大学和雷吉奥·埃米利亚大学学科研究生院，意大利摩德纳市Berasmus mc -Sophia儿童医院，鹿特丹大学医学中心，儿科学系，呼吸医学和过敏症科，鹿特丹，荷兰，荷兰，医疗中心，牛排，托特斯特姆Mc MC，大学医学中心鹿特丹，荷兰鹿特丹流行病学系，荷兰E Erasmus mc-索菲亚儿童医院，鹿特丹大学医学中心，鹿特丹大学，鹿特丹新生儿科，鹿特丹新生儿科，荷兰，荷兰MC，鹿特丹大学医学中心，鹿特兰大学，鹿特兰大学，鹿特兰大学，鹿特兰大学。意大利Cagliari的Cagliari
在临床环境中部署和验证用于检测异常胸部X光片的人工智能系统
Error 500 (Server Error)!!1500.That’s an error.There was an error. Please try again later.That’s all we know.Error 500 (Server Error)!!1500.That’s an error.There was an error. Please try again later.That’s all we know.
使用胸部X射线通过卷积神经网络对Covid-19肺炎的诊断
这项研究强调需要改善诊断方案并提高意识，以有效地管理Covid-19及其并发症，尤其是肺炎，以减轻医疗保健系统负担的负担，这强调了早期识别肺炎的早期识别的重要性重要性，以减轻与造成影响和快速症状的战略方法，以减轻造成影响和快速症状。引入了一种用于检测Covid-19肺炎的新型模型，利用在开源平台上可用的胸部X射线图像和卷积神经网络，并在二进制分类设置中进行了精确的诊断。遵循两个步骤，以提高分类精度并避免过度拟合：（1）在保持分类方案的平衡时放大数据集； （2）结合正则化技术并进行超参数优化。该模型非常适合在本地部署有限的能力，而无需互联网访问。由于网络大小，模型容量大大降低。与文献进行了比较，最终模型的性能更好，并且需要更高的参数，同时达到99.63％的分类准确性，对于二进制案例，模型灵敏度为93.75％。这些模型可以上传到数字平台，以快速诊断并弥补缺乏专业人员和RT-PCR（逆转录聚合酶链反应）。
基于网络的 COVID-19 诊断工具，利用机器学习对胸部 X 光片 (CXR) 进行诊断
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。