XiaoMi-AI文件搜索系统
World File Search SystemRADIOLOGY
放射学中的无代码机学习
机器学习模型可以帮助临床医生和研究人员在放射学内部的许多任务中，例如诊断，分类，分割/测量和质量保证。为了更好地利用机器学习，我们已经开发了一个平台，该平台允许用户在不需要任何编程知识的情况下标记数据和训练模型。该技术堆栈由用于用户交互，Python，Pytorch和Monai的打字稿Web应用程序组成，用于机器学习，DICOM WADO-RS可从临床系统中检索数据，以及用于模型管理的Docker。作为系统的第一个试验，研究人员将其用来训练锁骨断裂检测模型，作为IRB批准的回顾性研究的一部分。研究人员在13个部位的2,039名患者中标记了4,135个锁骨X光片。平台将数据自动将数据分为培训，验证和测试集，并训练了模型，直到验证损失平稳。然后该系统返回了接收器操作特征曲线，AUC，F1和其他指标。所得模型以90％的敏感性，87％的特异性和88％的精度鉴定锁骨骨折，AUC为0.95。此模型性能等于文献中报道的类似模型。最近，我们的系统用于训练模型，以识别包含个人身份信息（PII）的超声框架。验证后，该模型被用来帮助识别用于研究的大型数据集。这个首先的系统简化了模型开发和部署，并为在医疗保健中使用AI开辟了令人兴奋的新途径。
放射学教育中的人工智能
人工智能是一种无需编程即可模拟人类执行特定任务的计算机系统。在放射学中，人工智能已广泛应用于异常检测、解剖分割、图像质量评估和自然语言处理。人工智能已用于教育，但在放射学教育领域应用并不广泛。人工智能已被用来预测学生成绩和辍学率。人工智能在放射学教育中的应用非常有限，这一特定领域的研究空间很大。在 Pubmed 和 Google Scholar 上发现的关于这个主题的出版物很少。大多数已发表的文献并非专门关注这个主题，实际上都是关于人工智能的一般论文，只对人工智能的这一特定应用做了简要介绍。
放射学人工智能面临的巨大挑战
几十年来，快速、高质量的放射图像采集一直是一项重大挑战，而且仍然是一项巨大的挑战。如何加快 MRI 和 CT 扫描等图像数据采集速度一直是人们关注的焦点，以提高效率和患者安全等。为此，已开发并报告了许多用于快速、高质量放射图像重建的 AI 技术（2），在某些情况下，静脉造影剂的剂量大大减少，辐射剂量也更低。可以预见，这些新的图像数据采集技术将继续得到开发，以造福患者、放射科医生和放射临床流程。此外，人工智能可以在整合和优化放射数据采集工作流程中发挥重要作用，例如，最近一个成功的例子是 COVID-19 大流行期间的非接触式患者定位系统 ( 3 )，该系统自动校准、定位和多视图合成组件，无需身体接近即可对患者进行扫描。本期刊的放射学人工智能专业将鼓励和欢迎解决人工智能赋能的图像数据采集各个方面的投稿。
诊断放射学中的人工智能
摘要：人工智能 (AI) 是近十年来医疗保健行业最具革命性的发展，其中诊断成像占比最大。机器学习和深度学习 (DL) 是人工智能的子类，在图像分析方面表现出突破性的性能。它们已成为图像分类和识别领域的最新技术。机器学习涉及从图像中提取重要的特征，而 DL 使用神经网络来解决此类问题并获得更好的性能。在这篇综述中，我们讨论了机器学习和 DL 在诊断放射学领域的当前应用。深度学习应用可分为医学影像分析和分析以外的应用。在医学影像分析领域，深度卷积神经网络用于图像分类、病变检测和分割。循环神经网络也用于从电子病历中提取信息，并增强卷积神经网络在图像分类领域的应用。生成对抗网络已明确用于生成高分辨率计算机断层扫描和磁共振图像，以及从相应的磁共振成像中映射计算机断层扫描图像。除了图像分析之外，DL 还可用于质量控制、工作流程组织和报告。
乳房 X 线摄影 - 美国放射学院
1987 年，美国放射学会 (ACR) 乳腺工作组前主席 Gerald Dodd 博士认识到需要一本“食谱”式的乳房 X 线摄影质量控制手册。Dodd 博士要求我们召集一个乳房 X 线摄影质量控制专家委员会，在 ACR 的支持下处理这项工作。1990 年，最初的 ACR 乳房 X 线摄影质量保证委员会 (Gerald Dodd 博士、Joel Gray 博士、Mary Ann Harvey 女士、Arthur Haus 先生、R. Edward Hendrick 博士、Russell Holland 博士、Robert McClelland 博士、John McCrohan 先生、Raymond Rossi 先生和 Daniel Sullivan 博士) 的辛勤工作导致出版了三本独立的手册：一本供放射技术员使用，一本供医学物理学家使用，一本供放射科医生使用。在 ACR 的财政支持和美国癌症协会 (ACS) 的资助下，这些手册免费提供给每个获得 ACR 乳房 X 线摄影认证计划认证或申请 ACR 乳房 X 线摄影认证计划的站点。ACR 乳房 X 线摄影质量控制手册的第二版和第三版于 1992 年和 1994 年印刷并分发给所有获得 ACR 认证和申请的站点（Lawrence Bassett 博士、Stephen Feig 博士、Margaret Botsco 女士、R.T. (R)(M)、Priscilla Butler 女士、M.S.、Rita Heinlein 女士、R.T.(R)(M) 和 E. Lee Kitts, Jr. 博士加入委员会）。1992 年和 1994 年手册的一个重要补充是 Bassett 博士、Feig 博士和 Heinlein 女士制定的《定位和压缩指南》。
近距离放射治疗、诊断放射学、乳房 X 线照相检查...
大家明确表示需要为 CT 设备提供校准服务。所有受访医院似乎都针对这一领域采用了不同的技术，范围从使用 15 cc 诊断室的约 90 kV 到 140 kV，再到体模中使用的 10 cm 长的敏感体积室。由于使用窄光束，因此只有该室的部分敏感体积受到照射；但是，存在大量散射和低能量离轴散射。这些室在抵达时未进行校准，但会与 Impact 进行比较（这是卫生部设立的一个组织，在 CT 领域的职能与诊断领域的 Kcare 类似）。过滤因机器而异，属于“领结型”，即过滤器的形状是中间比两端窄。
牙科放射学（成人患者）
我们每天都会暴露于自然环境的辐射。这种“背景辐射”来自地球和我们周围的建筑材料，我们呼吸的空气，我们吃的食物，甚至来自外太空（宇宙射线）。辐射暴露在称为Sieverts（SV）的单位中测量。英国一个人接受的平均年度辐射剂量为2.7毫米（MSV）（资料来源：英格兰公共卫生，2016年）。，大约2.3 msv来自自然背景辐射。
计算机放射技术和医学成像...
SBRT&MI 计划独一无二，遵循加拿大医学专家教育指令 (CanMEDS) 框架。CanMEDS 框架已应用于许多国家的研究生培训计划。它提供了一种能力模型，不仅强调放射技术和医学成像 (RT&MI) 专业知识，还强调能够胜任满足社会医疗保健需求的多种其他非 RT&MI 专家角色。沙特卫生专业委员会 (SCFHS) 已采用 CanMEDS 框架为所有培训计划制定核心课程。RT&MI 住院医师将担任七个 CanMEDS 角色：RT&MI 专家、沟通者、合作者、经理、健康倡导者、学者和专业人士。
放射学、诊断成像和放射治疗学位...
综合课程：生命系统的生物和生化基础 SSD：BIO/13、MED/36、BIO/10、BIO/12、MED/03、MED/07 CFU：9 协调员：Blasco Morozzo Della Rocca 教授 电子邮件：BLASCO.MOROZZODELLAROCCA@UNICAMILLUS.ORG模块：应用生物学 SSD：BIO 13 CFU：2 教授：Roberta Nardacci 电子邮件：roberta.nardacci@unicamillus.org 模块：放射学 SSD：MED/36 CFU：1 教授：Simone Altobelli 电子邮件：simone.altobelli@unicamillus.org 模块：生物化学 SSD：BIO/10 CFU：2 教授：Giacomo Lazzarino 电子邮件： giacomo.lazzarino@unicamillus.org 模块：临床生物化学和分子生物学 SSD：BIO/12 CFU：2 教授：Blasco Morozzo Della Rocca 电子邮件：blasco.morozzo.della.rocca@unicamillus.org 模块：遗传学 SSD：MED/03 CFU：1 教授：Maria Rosaria D'Apice 电子邮件：maria.rosaria.dapice@unicamillus.org 模块：微生物学 SSD：MED/07 CFU：1 教授：Daniele Armenia 电子邮件：daniele.armenia@unicamillus.org 先决条件 虽然没有先决条件，但需要具备细胞生物学和化学的基本知识。